資源描述：
《基于eeg信號(hào)的癲癇發(fā)病預(yù)測(cè)的算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文基于EEG信號(hào)的癲癇發(fā)病預(yù)測(cè)的算法研究STUDYOFEPILEPTICSEIZUREPREDICTIONALGORITHMSBASEDONEEGSIGNAL董旭洋哈爾濱工業(yè)大學(xué)2015年6月國內(nèi)圖書分類號(hào)：R318.04學(xué)校代碼：10213國際圖書分類號(hào)：616密級(jí)：公開工學(xué)碩士學(xué)位論文基于EEG信號(hào)的癲癇發(fā)病預(yù)測(cè)的算法研究碩士研究生：董旭洋導(dǎo)師：李卓明副教授申請(qǐng)學(xué)位：工學(xué)碩士學(xué)科：生物醫(yī)學(xué)工程所在單位：生命科學(xué)與技術(shù)學(xué)院答辯日期：2015年6月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)ClassifiedIndex:R318.04U.D.C:616Dissert
2、ationfortheMaster’sDegreeinEngineeringSTUDYOFEPILEPTICSEIZUREPREDICTIONALGORITHMSBASEDONEEGSIGNALCandidate：DongXuyangSupervisor：A.P.LiZhuomingAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：BiomedicalEngineeringAffiliation：SchoolofLifeScienceandTechnologyDateofDefence：June,201
3、5Degree-Conferring-Institution：HarbinInstituteofTechnology哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要癲癇是一種常見的腦部疾病狀態(tài)，目前世界上有大量的患者飽受癲癇帶來的痛苦，而其中部分癲癇患者無法根治。癲癇發(fā)作的預(yù)測(cè)將會(huì)為這些無法根治的患者帶來改善。目前癲癇發(fā)作的研究多集中于癲癇發(fā)作期間EEG的信號(hào)特征分析及使用單一的方法進(jìn)行預(yù)測(cè)。本文基于上述現(xiàn)狀對(duì)癲癇發(fā)病預(yù)測(cè)算法進(jìn)行研究，提出了一種結(jié)合信號(hào)預(yù)處理和模式識(shí)別的算法，并通過仿真計(jì)算驗(yàn)證了算法在準(zhǔn)確率、靈敏度、虛警率及預(yù)測(cè)區(qū)間上的性能，最后通過實(shí)時(shí)仿真測(cè)試的方式，驗(yàn)證
4、了本文所提出的算法在不同病人EEG數(shù)據(jù)上的癲癇發(fā)病預(yù)測(cè)性能，達(dá)到了對(duì)特定癲癇病人發(fā)作預(yù)測(cè)的目的。在前人研究的理論基礎(chǔ)上，結(jié)合本課題使用頭皮EEG數(shù)據(jù)的分析，本文構(gòu)建的算法包含二部分：信號(hào)預(yù)處理算法和模式識(shí)別算法。其中信號(hào)預(yù)處理算法以EEG信號(hào)的特定頻段的能量為特征，先后分別使用了小波分解和譜功率的方法對(duì)EEG的能量特征進(jìn)行提取。而模式識(shí)別算法主要以支持向量機(jī)為基礎(chǔ)，對(duì)提取的特征數(shù)據(jù)進(jìn)行分類訓(xùn)練和測(cè)試。二部分算法結(jié)合的目的是期望能夠通過信號(hào)預(yù)處理算法提高模式識(shí)別算法在癲癇發(fā)病預(yù)測(cè)過程中的準(zhǔn)確率，并盡可能降低虛警概率。而不同的算法組合是希望能夠設(shè)計(jì)出針對(duì)基于頭皮EE
5、G信號(hào)的癲癇發(fā)病預(yù)測(cè)更為適用的預(yù)測(cè)算法。研究結(jié)果表明，使用小波能量對(duì)癲癇發(fā)作前和發(fā)作間期的EEG信號(hào)進(jìn)行分析，其0.5~8Hz頻段的能量會(huì)在癲癇發(fā)作前2000秒左右有明顯的提高。本文使用相對(duì)小波能量和支持向量機(jī)對(duì)該特征進(jìn)行分析和預(yù)測(cè)，測(cè)試了9個(gè)病人的EEG數(shù)據(jù)，結(jié)果表明應(yīng)用相對(duì)小波能量和支持向量機(jī)，算法可以準(zhǔn)確預(yù)測(cè)出部分癲癇患者的癲癇發(fā)作，但仍有個(gè)別病人的誤差較大。在信號(hào)預(yù)處理部分去掉小波變換后，使用譜功率對(duì)癲癇發(fā)作前的特征進(jìn)行提取，并使用支持向量機(jī)進(jìn)行分類訓(xùn)練和測(cè)試，結(jié)果表明在使用譜功率之后，算法的預(yù)測(cè)準(zhǔn)確率對(duì)比相對(duì)小波能量有6個(gè)病人的測(cè)試數(shù)據(jù)有明顯的提升。論
6、文的最后對(duì)模擬實(shí)時(shí)預(yù)測(cè)癲癇發(fā)作和腦電通道的相關(guān)性進(jìn)行了探討。利用已經(jīng)計(jì)算得出的支持向量機(jī)模型對(duì)一個(gè)病人的全部EEG進(jìn)行測(cè)試，得出該算法可以在癲癇發(fā)作前2000~5000秒對(duì)癲癇的發(fā)作給出連續(xù)的警報(bào)，并且可以忽略預(yù)測(cè)過程中產(chǎn)生不連續(xù)的個(gè)別虛警信息。利用相關(guān)性對(duì)EEG的通道進(jìn)行分析，在EEG的23個(gè)通道中，篩選出了14個(gè)通道。使用這14個(gè)通道的EEG數(shù)據(jù)，加快了運(yùn)算速度，對(duì)在線檢測(cè)效果有明顯的提升，同時(shí)沒有損失算法的性能。I哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文測(cè)試結(jié)果的6個(gè)病人中，有2個(gè)病人的準(zhǔn)確率有所增加，3個(gè)病人的準(zhǔn)確率維持在原有水平。關(guān)鍵詞：癲癇預(yù)測(cè)；EEG；小波能
7、量；譜功率；支持向量機(jī)II哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文AbstractEpilepsyisacommonbraindiseasestate.Thereareplentyofpatientsintheworldsufferingfromepilepsyandsomeofthemcan’tbecured.Epilepiticseizurepredictioncanhelptoimprovethesepeople’slife.Thestudyofseizurepredictionisfocusonthedetectionofepilepiticseizureandp
8、redictionwit
