基于熵的严重意识障碍脑电信号识别方法

发布时间：2017-10-26 16:00

  本文关键词：基于熵的严重意识障碍脑电信号识别方法

  更多相关文章： 植物状态 最小意识状态 样本熵 多尺度熵 多核学习支持向量机

【摘要】：本研究旨在实现对植物状态和最小意识状态脑电信号的分类识别。通过对植物状态和最小意识状态患者施加唤名刺激,采集被唤名时患者的脑电信号;然后对脑电数据进行去噪预处理、样本熵和多尺度熵的特征提取;最后将提取的数据特征送入多核学习支持向量机(SVM)中进行训练和分类。试验结果表明,严重意识障碍患者alpha波脑电特征表现显著,平均分类精度为88.24%,实现了定量化的严重意识障碍状态判定,为意识障碍程度的临床诊断提供了辅助依据。
【作者单位】： 上海健康医学院医疗器械学院;上海理工大学医疗器械与食品学院;杭州电子科技大学生命信息与仪器工程学院;
【关键词】： 植物状态 最小意识状态 样本熵 多尺度熵 多核学习支持向量机
【基金】：上海市自然科学基金项目资助(14ZR1440100)
【分类号】：R741.044
【正文快照】： 引言严重意识障碍患者是指由于严重的脑损伤,脑出血或梗死、电击、心脏疾病、溺水等事故所致的对周围环境或自身感知能力具有障碍的患者。严重意识障碍患者的意识状态主要包括两种,分别是植物状态(vegetative state,VS)和最小意识状态(mini-mally conscious state,MCS)。VS患

【相似文献】

中国期刊全文数据库 前10条

1 谈志强 ,罗晓曙;脑电信号的非线性动力学和现代谱分析方法研究进展[J];广西医学;2003年03期

2 梅村，，何育芬;脑电信号的自适应分段和分类存档[J];北京邮电大学学报;1994年01期

3 孟欣,邵颉,欧阳楷,谭郁玲;脑电信号的复杂度在睡眠分期中的应用[J];山东生物医学工程;1998年01期

4 刘建成,蔡湛宇;脑电信号(EEG)分析方法的现状与发展[J];中国医学物理学杂志;1998年04期

5 傅金阶,罗晓曙,谈志强,郭维,马东坡,王力虎,韦保林;邻域比较数字滤波——一种对脑电信号进行滤波的有效方法[J];临床神经电生理学杂志;2001年02期

6 王永红，董为伟，杨浩;脑电信号混沌态的初步临床研究[J];重庆医科大学学报;1997年04期

7 季忠,秦树人,彭丽玲;脑电信号的现代分析方法[J];重庆大学学报(自然科学版);2002年09期

8 周卫东，张敏琼，赵仕忠，马保福，熊伟，高杰;脑电信号反馈控制装置的设计[J];山东电子;1995年03期

9 徐强,吴芝芳,郑旭媛,蒋景英,赵静波,陈士骏,陶华英;脑电信号的混沌分析[J];中国医学物理学杂志;1997年01期

10 季忠,曹怡,秦树人;应用多分辨率小波变换提取脑电信号异常节律[J];重庆大学学报(自然科学版);2002年07期

中国重要会议论文全文数据库 前2条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 张壹;田力丰;贾莲凤;;一种基于小波变换的脑电信号特征分析方法[A];2004全国测控、计量与仪器仪表学术年会论文集（下册）[C];2004年

中国博士学位论文全文数据库 前2条

1 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

2 陈东伟;非线性动力学、因果脑网络与聚类稳定性在脑电信号分析中的应用研究[D];太原理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 唐其彪;基于脑电信号的自动睡眠分期研究[D];广东工业大学;2016年

2 段灵修;基于ARMA过程的自发脑电过滤方法研究[D];福州大学;2014年

3 王琼颖;脑电信号的非线性动力学分析及其在睡眠分期中的应用[D];哈尔滨工业大学;2015年

4 陈彦峰;睡意对脑电信号的影响[D];兰州理工大学;2013年

5 胡艳婷;基于脑电信号分析的一类复杂系统故障特征提取方法的研究[D];河北科技大学;2014年

6 徐健;多路脑电信号无线采集系统的设计[D];山东师范大学;2015年

7 薛吉星;多通道脑电信号采集与处理系统研究[D];华南理工大学;2015年

8 张强;基于熵测度与支持向量机的脑电信号分类方法研究[D];山东大学;2014年

9 梅意城;基于脑机接口技术的手臂康复研究[D];北京工业大学;2014年

10 何敏;脑电节律提取新方法及睡眠自动分阶研究[D];广东工业大学;2012年

本文编号：1099373