基于腦電信號(hào)的癲癇疾病智能診斷與研究.pdf

1、癲癇是一種腦內(nèi)神經(jīng)元異常放電，導(dǎo)致部分或整個(gè)腦功能障礙的慢性疾病，腦電圖蘊(yùn)含豐富的大腦機(jī)能信息，對癲癇疾病診斷具備很高的參考價(jià)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(shù)據(jù)，大量的腦電數(shù)據(jù)使得醫(yī)務(wù)人員勞動(dòng)強(qiáng)度增加，檢測效率降低，而且醫(yī)務(wù)人員可能受主觀因素干擾，存在檢查標(biāo)準(zhǔn)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(nèi)外學(xué)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(zhǔn)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(shù)分配，支持向量機(jī)，粒子群算法等技術(shù)的腦電分類方法。實(shí)驗(yàn)表明，本文所用的方法能夠有效地把腦電數(shù)據(jù)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(zhǔn)確率有較大提升。本文具體內(nèi)容:
　　首先，論述了癲癇疾病智能診斷的國內(nèi)外現(xiàn)狀，對比各種研究方法的優(yōu)缺點(diǎn);腦電信號(hào)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(shù)據(jù)來源及小波變換預(yù)處理。將原始腦電信號(hào)經(jīng)小

3、波5層分解后，獲得癲癇特征頻段內(nèi)的腦電信號(hào)。
　　再次，提取癲癇特征頻段內(nèi)的線性與非線性特征，主要包括波動(dòng)系數(shù)、近似熵、樣本熵。作為本文的一個(gè)重要?jiǎng)?chuàng)新，根據(jù)不同狀態(tài)、不同尺度腦電信號(hào)能量分布，調(diào)整特征向量系數(shù)，使得能量占比高的癲癇特征頻段系數(shù)變高，能量占比低的癲癇特征頻段系數(shù)變低，系數(shù)分配后構(gòu)成最終的特征向量。
　　最后，本文給出七種實(shí)驗(yàn)方案，利用支持向量機(jī)對腦電信號(hào)進(jìn)行分類診斷，并且使用三種核函數(shù)，設(shè)置系數(shù)前后的特征向量，