熵在癫痫信号检测中的对比研究与应用

发布时间：2017-04-19 13:11

  本文关键词：熵在癫痫信号检测中的对比研究与应用，，由笔耕文化传播整理发布。

【摘要】：癫痫是影响人类健康的一种神经系统疾病，给患者和社会带来严重的影响。脑电是常用的一种癫痫诊断技术，但受到技术限制，癫痫脑电目前还主要依靠医生经验人工判断，尚未实现自动诊断。如何实现癫痫脑电信号的自动诊断是计算机、人工智能、医学影像等相关领域的研究热点之一。 实现癫痫脑电自动诊断的关键是特征提取，由于癫痫是由大脑神经元细胞群的异常同步放电引起的，而熵是一种反映系统混乱程度的非线性指标，可以作为一种癫痫特征，在癫痫脑电信号特征提取的研究中发挥着越来越重要的作用。但是，熵的定义较多，癫痫检测性能各不相同，较为系统的对比研究还较少。本文在已有研究的基础上，进行了脑电信号的非线性检测，给出了一种基于网格优化的癫痫脑电自动检测系统框架，并对比了近似熵、样本熵、模糊熵的癫痫检测性能，具体工作如下： （1）设计了一种基于样本熵和模糊熵的时间序列非线性检测方法，并对比了样本熵与模糊熵的检测性能。仿真实验结果表明，样本熵和模糊熵均可以较好地用于时间序列的非线性检测，且模糊熵的检测性能优于样本熵。 （2）设计了一种基于熵的癫痫检测系统框架，该框架首先计算脑电信号的熵，并利用K-S检验选择差异显著的电极形成特征向量，利用网格寻优技术训练SVM分类器，选择分类器的最优参数，训练好的分类器即可进行脑电信号的自动检测。 （3）基于本文设计的癫痫自动检测框架，利用两组癫痫数据对比了几种不同的非线性指标（近似熵、样本熵、模糊熵等）的检测性能。结果表明，这些非线性指标的癫痫检测性能不同，其中模糊熵、样本熵分类性能较好，且模糊熵的分类性能最优。 总之，围绕癫痫脑电信号的自动检测问题，本文实现了基于熵的时间序列非线性检测与癫痫脑电信号的自动检测，对比了样本熵、模糊熵在时间序列非线性检测与癫痫脑电自动检测中的性能。两组真实脑电数据的对比结果表明，使用样本熵和模糊熵可以很好地进行癫痫诊断，并且模糊熵在癫痫发作检测中具有更好的性能，希望本文提出的方法可以为癫痫脑电自动临床诊断提供一定的参考。
【关键词】：非线性检测 癫痫检测 样本熵 模糊熵 支持向量机
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R742.1;TP18
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 研究现状11-14
• 1.2.1 脑电信号非线性研究现状11-12
• 1.2.2 癫痫信号检测研究现状12-14
• 1.3 论文安排14-15
• 1.4 小结15-16
• 第二章 熵16-22
• 2.1 近似熵16-17
• 2.2 样本熵17-18
• 2.3 模糊熵18-20
• 2.4 小结20-22
• 第三章 脑电信号的非线性检测22-40
• 3.1 替代数据法22-26
• 3.1.1 替代数据产生23-25
• 3.1.2 特征量选择25-26
• 3.1.3 差别显著度判定26
• 3.2 仿真验证26-39
• 3.2.1 实验方案26-27
• 3.2.2 待测数据27-29
• 3.2.3 实验结果29-37
• 3.2.4 讨论37-38
• 3.2.5 结论38-39
• 3.3 讨论39
• 3.4 小结39-40
• 第四章 基于熵的癫痫信号检测40-50
• 4.1 基于熵的癫痫信号检测40-41
• 4.2 特征提取41-43
• 4.2.1 K-S 检验41-43
• 4.3 分类器的选择与训练43-48
• 4.3.1 分类器的选择43-45
• 4.3.2 SVM 分类原理45-46
• 4.3.3 影响 SVM 分类结果的因素46-48
• 4.4 小结48-50
• 第五章 实验结果与分析50-62
• 5.1 数据介绍50-52
• 5.1.1 儿童癫痫数据50-51
• 5.1.2 Bonn 数据集51-52
• 5.2 癫痫信号非线性验证结果52-53
• 5.3 分类结果53-58
• 5.3.1 儿童癫痫数据结果54-57
• 5.3.2 Bonn 数据集结果57-58
• 5.4 结果分析与讨论58-60
• 5.5 小结60-62
• 第六章 总结与展望62-64
• 6.1 总结62
• 6.2 展望62-64
• 参考文献64-70
• 致谢70-72
• 攻读学位期间发表的学术论文目录72

【参考文献】

中国期刊全文数据库 前10条

1 王立媛;;病态胎儿心率信号的替代数据分析[J];长春师范学院学报;2007年04期

2 方芬,王海燕;多变量混沌时间序列局部多项式预测方法及应用(英文)[J];Journal of Southeast University(English Edition);2005年02期

3 葛家怡;周鹏;赵欣;刘海婴;王明时;;睡眠脑电时间序列的非线性样本熵研究[J];电子器件;2008年03期

4 侯澍e

本文编号：316361