手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

癫痫脑电信号特征提取与自动检测方法研究

汪春梅

  脑电信号含有丰富的大脑活动信息,对这些信号的判读在临床医学和脑认知科学研究应用方面有着重要作用。癫痫在临床上常表现为突然、短暂的运动、感觉、意识、行为、自主神经或精神症状等异常。癫痫的危害性表现在其发作时对患者带来的痛苦和身心伤害,严重时甚至危及生命,患者若为儿童还将影响到身体和智力发育。诊断癫痫疑似患者最有效的方法是脑电图检查,脑电信号的主要分析是对大脑异常活动的检测,这些工作目前都是由医疗工作者根据经验和通过对患者的脑电图进行视觉检测完成的。这项工作不仅非常耗时,而且,由于分析的主观性,不同的专家对同一记录的判断结果也不同。因此,采用自动检测、识别技术对癫痫脑电信号进行及时、准确的诊断和癫痫灶的定位,就显得十分的必要。 本论文是针对癫痫脑电信号的特征提取和自动检测进行了全面、系统的研究,内容包括脑电信号的采集、伪差去除,癫痫脑电信号的多分辨分析和非线性动力学特征检测方法,在此基础上提出了基于小波分析及近似熵的癫痫脑电特征提取、分类检测和数值分析方法,得出了分类检测的方法具有更高检测率的结论;之后利用支持向量机线性分类器和非线性分类器对各种类型癫痫脑电信号进行分类比较,并得出了非线性分类器具有更高识别效果的结论;最后针对多通道脑电信号的降维压缩、实时处理和特征提取进行研究和探索,并通过实际测试证明了所提出方法的有效性。研究为癫痫脑电信号的特征提取与自动检测提供了坚实的理论基础,为研制自动化、便携式癫痫脑电信号自动检测、识别系统做出了有益的探索。 具体研究内容包括以下几个方面: 脑电伪差的去除方法:在自动检测环境下,为了实时排除干扰,为进一步的分析和处理提供高质量的脑电信号,采用了基于Extended Infomax ICA的脑电中眼动伪差的消除方法,通过时域、脑电地形图的分布以及独立分量的功率谱进行分析,实验结果证明了该方法的有效性。 癫痫脑电活动的多分辨分析检测方法:利用多分辨小波变换和子空间能量的自适应阈值特征提取方法,可以选择性地分析脑电信号在时域、频域和空间的分布,实验研究中通过对临床癫痫信号和含有眼动干扰脑电信号进行分析比较,能够直观、简单地检测出尖波、棘慢波活动,从而检验了方法的有效性。 癫痫脑电非线性动力学特征分类检测方法:本文在分析现有特征提取方法及存在问题的基础上,针对脑电信号的非平稳特性进行了非线性动力学特征提取处理,提出了基于小波分析及近似熵的癫痫脑电特征提取、分类检测和数值分析方法,采用临床脑电数据验证了方法的有效性和实用性,并对已有的研究方法进行了完善和补充。 癫痫脑电信号分类方法:在癫痫脑电信号特征提取的基础上,利用SVM线性分类器和非线性分类器对各种类型癫痫信号进行分类比较,线性分类的结果与Neyman-Pearson分类的结果一致,而非线性分类取得了更高的识别效果。实验研究结果证明特征提取表现出较高的模式可分性。 癫痫脑电多道处理方法:数据压缩(降维)在癫痫脑电自动检测、实时处理、特征提取等方面起着重要作用。将主成分分析方法应用于多道脑电信号分析,提出了基于PCA和小波与近似熵结合的癫痫脑电信号检测方法,而且通过因子负荷量的分析,可以快速确定癫痫活动的电极定位。为实现便携式、性价比高的癫痫脑电信号检测设备提供理论基础。 本论文的工作对于推进特征提取和自动检测的方法研究,促进其在脑电信号分析中的应用将起积极作用,部分研究成果可推广到其他类型信号的分析和处理中。由于实验数据的局限性,所进行研究方法的自适应性和鲁棒性有待进一步验证和提高,论文最后对所做的工作和研究成果进行了总结,并提出了下一步研究的方向。……   
[关键词]:癫痫脑电;特征提取;自动检测;独立分量分析;多分辨分析;近似熵;支持向量机;主成分分析;因子分析
[文献类型]:博士论文
[文献出处]:华东理工大学2011年
App内打开