基于多元脑电信号分析的癫痫发作预报

发布时间：2022-08-01 21:41

　　长期以来癫痫发作预报是临床亟待解决的一大难题。及早地对癫痫病患者进行发作预报可以给患者和医生提供采取相应保护措施的时间,以避免发生由于突发性发作所带来的意外伤害。本文主要通过对多元脑电信号的分析尝试对癫痫发作进行有效预报,主要开展脑电信号的特征提取和分类两个方面的工作。在特征提取方面,为克服经典相位同步分析方法相位关系描述单一的局限性,提出一种基于相位分析的多元脑电信号特征提取方法,该方法从癫痫发作的机理出发,采用希尔伯特-黄变换来计算信号相位,并从模型辨识的角度对所有通道脑电信号之间的相位相互关联信息进行提取。在分类方面,为改善癫痫发作预报系统的敏感性和特异性,提出一种概率判决极端学习机,该算法具有概率式输出,更符合医学习惯；另一方面,为提高癫痫发作预报系统的稳定性,提出一种集成极端学习机,该算法引入集成学习策略,以改善机器学习随机性强、稳定性差的问题。此外,为使癫痫发作预报系统的模型更加灵活、能够随着患者生理状态的改变而自适应改变,提出一种动态更新框架,使所建立的预报模型更加贴近患者的真实情况,为便携式癫痫发作预报器的开发提供一定的理论参考。仿真结果表明：基于相位分析的多元脑电信号... 

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究背景及意义
    1.2 脑电信号及其分析方法概述
    1.3 癫痫发作预报的研究现状
    1.4 论文主要内容及结构
2 基于相位分析的多元脑电信号特征提取
    2.1 相位计算方法
        2.1.1 希尔伯特变换
        2.1.2 复高斯小波变换
        2.1.3 希尔伯特-黄变换
    2.2 基于极端学习机的模型辨识
        2.2.1 极端学习机基本原理
        2.2.2 极端学习机在模型辨识中的应用
    2.3 基于希尔伯特-黄变换和极端学习机的多元脑电信号特征提取
        2.3.1 特征提取方法描述
        2.3.2 癫痫发作预报系统的建立
        2.3.3 癫痫发作预报仿真分析
    2.4 小结
3 基于极端学习机的脑电信号分类器研究
    3.1 概率判决极端学习机
        3.1.1 算法原理
        3.1.2 概率判决极端学习机在癫痫发作预报系统中的应用
    3.2 集成极端学习机
        3.2.1 集成学习策略
        3.2.2 集成极端学习机算法原理
        3.2.3 集成极端学习机在癫痫发作预报系统中的应用
    3.3 小结
4 癫痫发作预报动态更新框架研究
    4.1 动态更新框架描述
        4.1.1 基本框架
        4.1.2 异常样本检测与样本库更新准则
    4.2 动态更新框架下的癫痫发作预报系统仿真分析
        4.2.1 实验设计
        4.2.2 仿真结果分析
    4.3 小结
结论
参考文献
课题资助情况
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]基于AR模型和Lempel-Ziv复杂度的癫痫发作预报[J]. 韩敏,曹占吉,孙磊磊,洪晓军.  北京生物医学工程. 2012 (03)
[2]基于回声状态网络的脑电信号特征提取[J]. 韩敏,孙磊磊,洪晓军.  生物医学工程学杂志. 2012(02)
[3]基于概率判决极端学习机的癫痫发作预报研究[J]. 韩敏,王明慧,洪晓军,韩杰.  中国生物医学工程学报. 2012(02)
[4]磁刺激神门穴脑电信号的样本熵分析与诱发电位的研究[J]. 耿跃华,徐桂芝,于洪丽,杨硕,李文文,陈亚静.  中国生物医学工程学报. 2010(06)
[5]脑电信号同步的研究方法[J]. 周群,尧德中.  生物医学工程学杂志. 2009(06)
[6]脑死亡与脑昏迷脑电信号的复杂度研究[J]. 蒋辰伟,章悦,曹洋,朱国行,顾凡及,王斌.  生物物理学报. 2008(02)
[7]基于二阶C0复杂度的癫痫发作预测[J]. 卞宁艳,曹洋,王斌,顾凡及,张立明.  生物物理学报. 2007(01)
[8]想象动作中动态脑电的信息熵研究[J]. 綦宏志,程龙龙,陈滨津,赵翔,明东,万柏坤.  中国生物医学工程学报. 2007(01)
[9]基于经验模式分解与样本熵的癫痫预测方法[J]. 白冬梅,邱天爽,鲍海平.  中国生物医学工程学报. 2006(05)
[10]不同生理状态时脑电时间序列的三神复杂度计算比较[J]. 杨斯环，杨秦飞，石继明，刘仁.  生物物理学报. 1996(03)

硕士论文
[1]基于多路脑电分析的癫痫发作预测算法初步研究[D]. 王蕾.第四军医大学 2008



本文编号：3668224