癲癇發(fā)作是一種常見的慢性神經(jīng)系統(tǒng)疾病,具有反復(fù)性和突發(fā)性等特點,因此需要醫(yī)生對病人進(jìn)行長時間的觀察,既耗時,效率又低,且視覺檢測缺乏標(biāo)準(zhǔn)的制約,故癲癇腦電信號的自動檢測具有重要的臨床價值.隨著神經(jīng)科學(xué)和現(xiàn)代信息技術(shù)的快速發(fā)展,腦電信號在生理學(xué)、精神病學(xué)和認(rèn)知科學(xué)等方面具有廣闊的學(xué)術(shù)價值和應(yīng)用前景.在臨床診斷方面,由于腦電信號包含了大量的生理和病理信息,對其作深入的研究可以幫助臨床醫(yī)生提高對各種腦疾患和神經(jīng)系統(tǒng)疾患診斷和檢測的準(zhǔn)確性.國內(nèi)外對腦電信號的研究日益增多,到目前為止,已經(jīng)有很多方法被應(yīng)用于此.本文對腦電信號的研究主要分為以下兩個方面:一方面,本文提出了一種基于小波變換和全變差正則化的兩步去噪策略.根據(jù)腦電信號的采集過程,我們采集到的腦電信號常常會受到人的生理電信號產(chǎn)生的噪聲或檢測系統(tǒng)自身噪聲的干擾,且這些噪聲的存在會大大影響腦電信號的識別的準(zhǔn)確度,因此,對腦電信號進(jìn)行去噪處理是對腦電信號進(jìn)行研究的首要環(huán)節(jié).小波變換是腦電信號去噪中常用的一種方法,但小波去噪處理也存在一些不可避免的缺陷.全變差正則化在圖像處理領(lǐng)域應(yīng)用比較廣泛,常被用于邊緣檢測,而在一維信號去噪中,全變差正則化可以... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

小波閾值去噪流程

基于小波變換和自適應(yīng)權(quán)重融合的癲癇腦電信號分析2.4前饋神經(jīng)網(wǎng)絡(luò)深度前饋神經(jīng)網(wǎng)絡(luò)也叫作多層感知機(jī)，是深度學(xué)習(xí)中最常用的模型[58].它包含輸入層，隱藏層和輸出層三個部分，隱藏層和輸出層的神經(jīng)元都是具有激活函數(shù)的功能神經(jīng)元，該結(jié)構(gòu)滿足以下幾個特點：每層神經(jīng)元與下一層神經(jīng)元之間完全互連；神經(jīng)元之間不存在同層連接；神經(jīng)元之間不存在跨層連接；前饋神經(jīng)網(wǎng)絡(luò)的本質(zhì)就是復(fù)合函數(shù)，需要注意的是“前辣指的是網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)上不存在環(huán)路或回路，而不是指信號只能向前傳，不能向后傳.圖2-4單隱層前饋神經(jīng)網(wǎng)絡(luò)圖.給定訓(xùn)練集D=(x1,y1),(x2,y2),···,(xm,ym)，xi∈Rd，yi∈Rl，即輸入示例由d個屬性描述，輸出l維實值向量.圖2-4顯示了單隱層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其中，輸入層包含d個神經(jīng)元，隱層有q個神經(jīng)元，輸出層有l(wèi)個輸出神經(jīng)元，輸出層第j個神經(jīng)元的閾值用θj表示，隱層第h個神經(jīng)元的閾值用γh表示.輸入層第i個神經(jīng)元與隱層第h個神經(jīng)元之間的連接權(quán)為vih，隱層第h個神經(jīng)元與輸出層第j個神經(jīng)元之間的連接權(quán)為whj.記20

基于小波變換和自適應(yīng)權(quán)重融合的癲癇腦電信號分析驗，本節(jié)使用常用的測試信號bumps信號作為仿真信號進(jìn)行去噪.我們之所以選擇bumps信號，是因為bumps信號是一個正弦信號上面有兩個跳躍點的信號，而腦電信號也是一個有很多跳躍點，極其不穩(wěn)定的信號，且在腦電信號的去噪過程中，我們常易出現(xiàn)過度平滑的現(xiàn)象，不能夠較好的處理數(shù)據(jù)邊緣信息，從而丟失信號中一些重要的信息，因此，若本章方法可以很好的處理bumps信號中跳躍點處的邊緣信息，則該方法必定對腦電信號也具有較好的去噪效果.表3-2波恩大學(xué)數(shù)據(jù)庫的簡要描述.SetASetBSetCSetDSetESubjectsHealthyHealthyEpilepticEpilepticEpilepticStateEyesopenedEyesclosedInterictalInterictalIctalElectrodeInternationalInternationalOppositetoWithinWithinNumber100100100100100Timeduration23.6s23.6s23.6s23.6s23.6sSamplerate173.61Hz173.61Hz173.61Hz173.61Hz173.61Hz本文所有真實腦電數(shù)據(jù)實驗均使用的是公開的且使用比較廣泛的Boon數(shù)據(jù)庫.Boon數(shù)據(jù)庫是來自德國伯恩大學(xué)的開源數(shù)據(jù)庫，該數(shù)據(jù)庫所有腦電信號由相同的128通道放(a)(b)圖3-2腦電信號示意圖.大器系統(tǒng)記錄，并使用12位模數(shù)轉(zhuǎn)換器數(shù)字化.所有腦電信號由五個數(shù)據(jù)集組成表示為A-E，每組包含100個單通道腦電數(shù)據(jù)，采樣率為173.6HZ，持續(xù)時間為23.6秒，每個通道4096個點.A數(shù)據(jù)集和B數(shù)據(jù)集分別為正常人的睜眼信號和閉眼信號，C、D和E30

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)EMD的腦電信號去噪方法[J]. 朱曉軍,呂士欽,余雪麗,樊劉娟.  計算機(jī)工程. 2012(01)
[2]非線性動力學(xué)在腦電信號分析中的應(yīng)用(英文)[J]. 何凌,黃華.  現(xiàn)代生物醫(yī)學(xué)進(jìn)展. 2006(09)
[3]基于AR模型的小波變換在腦電信號消噪中的應(yīng)用[J]. 吳平,陳心浩.  現(xiàn)代電子技術(shù). 2006(10)

碩士論文
[1]基于ITD方法的癲癇腦電信號的識別與分類[D]. 馬利軍.河南大學(xué) 2018



本文編號：3502661