基于腦電信號的癲癇疾病智能診斷與研究.pdf

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，