基于腦電信號的癲癇疾病智能診斷與研究.pdf_第1頁
已閱讀1頁,還剩67頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、癲癇是一種腦內神經元異常放電,導致部分或整個腦功能障礙的慢性疾病,腦電圖蘊含豐富的大腦機能信息,對癲癇疾病診斷具備很高的參考價值。在傳統(tǒng)診斷過程中,醫(yī)生需要收集患者一天或者多天的腦電數據,大量的腦電數據使得醫(yī)務人員勞動強度增加,檢測效率降低,而且醫(yī)務人員可能受主觀因素干擾,存在檢查標準不一的弊端。因此,對癲癇疾病的智能診斷變得尤為重要。
  目前國內外學者對癲癇疾病診斷做出一些研究分析,但仍存在分類類別少,分類準確率低的問題。本文

2、提出了基于小波分析,線性與非線性特征提取,特征向量系數分配,支持向量機,粒子群算法等技術的腦電分類方法。實驗表明,本文所用的方法能夠有效地把腦電數據分類成健康期,癲癇發(fā)作間歇期,癲癇發(fā)作期不同階段,而且分類準確率有較大提升。本文具體內容:
  首先,論述了癲癇疾病智能診斷的國內外現(xiàn)狀,對比各種研究方法的優(yōu)缺點;腦電信號的種類以及癲癇腦電特征波形及頻率分布。
  其次,介紹了癲癇腦電數據來源及小波變換預處理。將原始腦電信號經小

3、波5層分解后,獲得癲癇特征頻段內的腦電信號。
  再次,提取癲癇特征頻段內的線性與非線性特征,主要包括波動系數、近似熵、樣本熵。作為本文的一個重要創(chuàng)新,根據不同狀態(tài)、不同尺度腦電信號能量分布,調整特征向量系數,使得能量占比高的癲癇特征頻段系數變高,能量占比低的癲癇特征頻段系數變低,系數分配后構成最終的特征向量。
  最后,本文給出七種實驗方案,利用支持向量機對腦電信號進行分類診斷,并且使用三種核函數,設置系數前后的特征向量,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論