癲癇是一種由腦部神經元異常放電引起的神經系統(tǒng)疾病,具有反復性、突發(fā)性等特點。據(jù)世衛(wèi)組織統(tǒng)計,全球約有5000萬人遭受癲癇的困擾。該病患者會出現(xiàn)功能障礙、意識喪失、昏厥等臨床表現(xiàn),這嚴重危害了人們的身心安全,也給家庭和社會增加了負擔。腦電圖是醫(yī)生在診斷和治療癲癇的過程中十分重要的工具。專家通過肉眼分析腦電記錄中包含的信息來確定癲癇病灶區(qū)以及每次發(fā)作事件的開始和結尾,并依此確定診療方案。由于腦電圖的數(shù)據(jù)規(guī)模非常龐大,記錄時長通常在24小時左右,人工分析腦電圖不僅耗時耗力,也可能發(fā)生誤判和漏判。隨著信息技術的發(fā)展,越來越多的重復工作可以由計算機輔助完成。因此,利用計算機輔助技術實現(xiàn)癲癇自動檢測對減輕醫(yī)療工作者負擔和提高檢測準確率有著十分重要的意義。自動癲癇檢測技術迄今己有幾十年的發(fā)展歷史。最早的癲癇分析方法是半波腦電特征提取,隨后逐漸演變到時頻分析、稀疏表示、機器學習、深度神經網絡等多種方法。癲癇檢測技術的基本思路就是提取出癲癇腦電的特征波,并與正常腦電進行分析對比來判定癲癇發(fā)作。目前常用的方法是特征提取器和分類器相結合。特征提取器主要使用包括時域分析、頻域分析、小波變換、非線性動力學分析等... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

圖１－１國際通用的１０－２０腦電系統(tǒng)??

?山東大學碩士學位論文???由于神經元異常放電的位置不同，癲癇的發(fā)作特點也各不相同，其在臨床上??表現(xiàn)的較為復雜。依據(jù)發(fā)作特點的不同，癲癇發(fā)作可以分為簡單部分性發(fā)作、復??雜部分性發(fā)作、全身強直痙攣發(fā)作等。簡單部分性發(fā)作一般持續(xù)時間較短，不超??過１分鐘，會出現(xiàn)部分運動性發(fā)作或部分感覺性發(fā)作，患者通常處在意識清醒狀??態(tài)。復雜部分性發(fā)作通常表現(xiàn)為不同程度的意識障礙，可能出現(xiàn)進食樣自動癥以??及手勢性自動癥。全面強直痙攣發(fā)作由復雜部分性發(fā)作演化而來，臨床表現(xiàn)為突??發(fā)性的意識喪失，面部表情異常，肢體不自主抽動等。采集癲癇病人的腦電可以??看到異常放電活動，臨床上將其稱之為癇樣放電。據(jù)統(tǒng)計，８０％的癲癇腦波都有??異常Ｍ，因此我們可以通過分析腦電圖來檢測并預測癲癇發(fā)作事件。圖１－２展示??了一些常見的癲癇腦電波形，包括刺波、尖波、刺－慢復合波、尖－慢復合波、多??刺－慢復合波、高度失律、正相刺波以及發(fā)作性節(jié)律波等。不同病人在發(fā)病的不同??時期其腦電波形也具有很大差別，例如刺波和刺－慢復合波是癲癇腦電最基本的??波形，在各類癲癇發(fā)作中都很常見。在全面強直痙攣發(fā)作時癲癇波的主要成分是??多刺－慢復合波，有時為尖－慢復合波。嬰兒在出現(xiàn)痙攣狀態(tài)時腦電可能會呈現(xiàn)高??度失律狀態(tài)。圖１－３展示了癲癇腦電和正常腦電的對比，相比于正常腦電，大部??分癲癇特征波都具有尖銳、密集的特點，因此可以通過提取信號特征加以分辨。??雜?尖屬?ｊｆＷＷｌ??蒜－題ｈ?ｉｆ＾?１４或＆馬，教正相韓波＇??圖１－２常見的癲癇波形??４??

?山東大學碩士學位論文???５０００，?⑷正ｆ腦電???－５０００??１???０?４?８??５０００，?［ｔ）ｍｍ???？５０００??１???０?４?８??時間（ｍｉｎ）??圖１－３正常腦電圖和癲癇腦電圖的對比??癲癇會給患者帶來生理上和心理上的痛苦，同時給家庭和社會增加了許多負??擔。目前癲癇檢測和治療都要依據(jù)患者腦電圖記錄，醫(yī)生通過檢查患者腦電來診??斷患病類型和確定診療方案，這一過程存在著很多問題，如主觀性強、費時費力??等。因此，通過計算機技術實現(xiàn)快速、高效地癲癇信號識別是十分必要的。??１．２癱癇自動檢測的研究現(xiàn)狀??１．２．１癱癇自動檢測研究方法??癲癇自動檢測是指通過計算機輔助技術，快速識別并標注出長程腦電中異常??片段的方法。該方法不僅有效解決了醫(yī)生讀圖的主觀性問題，同時也減輕了醫(yī)務??人員負擔，并且較好地提高了系統(tǒng)識別率。??最早的癲癇自動檢測系統(tǒng)由〇〇加＾１）｜１（）］在１９８２年提出，他首先將腦電分解??為“半波”，隨后提取了半波信號的坡度、峰度等時域特征進行判斷。在這之后，他??的團隊對這一方法做了改進，并在臨床上開展實驗［１１，１２］。經過幾十年的快速發(fā)展，??國內外研宄人員已經提出了許多不同的癲癇自動檢測系統(tǒng)。常見的癲癇檢測系統(tǒng)??可以概括為特征提取器加分類器的組合，通過特征提取方法來找出癲癇腦電信號??的獨有特征，隨后由分類器根據(jù)一定規(guī)則做出判別。特征提取方法主要包括時域??５??

【參考文獻】：
碩士論文
[1]基于S變換和奇異值分解的自動癲癇檢測算法[D]. 夏玉丹.山東大學 2016



本文編號：3005465