基于视觉组织原则和支持向量机的发作间期癫痫波自动检测方法研究

发布时间：2019-10-15 14:08

【摘要】：脑电图检查是诊断癫痫疑似患者的最有效的方法。脑电图检查的主要任务是分析大脑有无尖棘波、棘波节律、棘慢复合波、尖慢复合波和多棘慢复合波等癫痫样放电活动。在对癫痫疑似患者的24小时EEG记录进行逐页(10秒／页)观察时,不仅要对患者EEG中明显的癫痫样放电进行标记,还要对其背景活动、睡眠和异常波给出描述,并得出是否为异常脑电的结论,这是一项十分枯燥和费时的工作。目前,对异常波中癫痫样放电的人工判读仍然是不可取代的,研究视觉认知原理,通过计算给出特征描述,是癫痫波自动检测技术的一个主要发展方向,具有重要的理论和应用价值。本文全面而系统地分析了脑电癫痫波自动检测方法,并深入研究了统计学习理论和大规模训练集的支持向量机(support vector machine, SVM)快速算法。这一理论不仅为模式识别学科奠定了基础,也为本文中的癫痫波快速检测方法提供了思想和方法上的指导。支持向量机是一种十分有效的模式识别方法,它将分类问题最终转化为一个有约束的二次规划问题。序列最小优化(sequential minimal optimization, SMO)算法是求解大规模样本分类问题的快速方法。本论文提出了三种SMO改进算法。实验结果表明,其性能得到很大地提升。在对癫痫波的自动检测方法中,创造性地将视觉组织原则应用于脑电信号分析,提出了基于增减序列合并的信号处理方法,不仅大幅提高了信号处理速度,而且提高了癫痫波检测的准确性,取得了较高的敏感性和特异性指标。本文主要进行了如下几个方面的研究工作： ·在给出了KSM02搜索过程的解释后,提出了基于动态筛选策略的SMO改进算法(DFSMO),它由粗选和精选两个阶段组成。实验结果表明,对于UCI Adult数据集,该算法在速度上有超过70%的提升,对于Web数据集,该算法在速度上有35%的提升。 ·在近似最优参数条件下,根据样本分布的特点,提出了基于先验知识的SMO加速算法(TKSMO),它采用了新的判定I0搜索结束的条件。实验结果表明算法TKSMO在速度上有很大的提升,而且在推广性能上比DFSMO更加稳定。 ·提出了一种依样本位置不同来确定不同样本惩罚系数的方法。两分类问题实验结果表明,样本数量在1)按比例选取；2)相同；3)相差悬殊的情况下,其推广性能都优于标准支持向量机。 ·提出了基于合并增减序列和SVM的发作间期癫痫样放电自动检测方法。给出了EEG中增减序列、完整波和不完整波的定义,并根据视觉测量的特点,给出了序列合并规则和算法,该方法对节律波和高幅慢波的检测结果与目测结果非常接近。在此基础上,根据发作间期癫痫样放电的时域特征,提出了IED检测方法,此方法能够检测出绝大多数IED,但也会检测出一些明显不是IED的片断,为了降低误检率,挑选了17个时域特征,利用支持向量机方法进行训练和判定,得到了很好的效果。最后,在对另外32个疑似癫痫患者的EEG记录检测中,医生已标记的IED片断中有95.9%被检测出来,这表明该方法具有很好的稳定性。 (?)提出了基于合并增减序列和变长序列相似性的癫痫波自动检测算法。在合并增减序列的基础上,首次对尖波、棘波、棘慢复合波、尖慢复合波、棘波节律这五种IED波形的判别给出了统一的方法,具有较低的漏检率和较高的稳定性。大量研究都是以单个波的幅度大于某一阈值作为尖形波的首要判定依据,对于散在的尖棘波的检测是有用的,但对于单个或连续复合波和连续棘波,以此为依据将会降低检出率。本章指出波形特征才是尖形波判定的首要依据,这一点是符合视觉测量过程的。由于尖形波波形变化很大,对其进行精确的数学描述是非常困难的,本文通过提取、平移和归一化尖形波片断,建立样本数据库,提出了变长序列的相似性度量,有效地解决了波形描述的问题,大大提高了检出率。在对31个疑似癫痫患者的EEG记录检测中,医生已标记的IED片断中有98.36%被检测出来,这表明该方法具有更好的稳定性。本论文没有用到众所周知的现代信号处理方法,如快速傅里叶变换、小波分析、主成分分析、独立分量分析和希尔伯特-黄变换等,而是将视觉组织原理具体化,提出了基于时域的增减序列合并的脑电信号处理方法,与现代信号处理方法相比有如下优点：(1)可以分析非线性非平稳信号；(2)具有完全自适应性,能分析不同节律的波；(3)不受Heisenberg测不准原理制约,适合分析突变信号；(4)适合分析慢波,由于慢波的波形变化较大,幅度和频率的跨度也较宽,因此对慢波的检测难度也高于对尖形波的检测。(5)计算量小,特别适合处理长程EEG记录；(6)能较准确地提取单个波的频率、幅值和形状等特征,合并出的波具有明确的物理意义,在EEG检查中,大量的诊断经验都是基于视觉获取的,该方法可以直接运用这些经验来对EEG进行分析。本文首次对棘波、尖波、棘慢波、尖慢波和棘波节律这五种IED波形的判别给出了统一的方法,具有较低的漏检率和较高的稳定性。可以容易地将本文方法推广到其它视觉上有显著特征的波形检测中,如梭形波、慢波、alpha波、beta波、theta波和gamma波等。
【学位授予单位】：华东理工大学
【学位级别】：博士
【学位授予年份】：2013
【分类号】：TN911.6;R318.0

【参考文献】