全球約有癲癇患者5000萬人,在我國大約有1000萬人,癲癇發(fā)作是腦皮質(zhì)中異常過度的神經(jīng)元自發(fā)、同步放電導致的,持續(xù)發(fā)作的癲癇可能會造成患者的永久性損傷,甚至死亡。癲癇的發(fā)作具有突發(fā)性和反復性,嚴重影響了患者的正常工作和生活。因此,有效的癲癇發(fā)作預測能夠減緩癲癇患者的痛苦,進一步保證癲癇患者的生命安全。在預測癲癇發(fā)作的基礎上,還可以應用各種干預方法(例如通過遞送短效抗癲癇藥物或通過施加電刺激)抑制癲癇發(fā)作。目前,癲癇發(fā)作自動預測已經(jīng)成為癲癇研究領(lǐng)域的熱點。但是,用于識別癲癇發(fā)作前期的腦電特征學習是發(fā)作預測技術(shù)的瓶頸。本文利用深度學習來自動學習用于發(fā)作預測的腦電特征,有效地實現(xiàn)了癲癇發(fā)作預測。本文提出了基于雙向LSTM的癲癇發(fā)作預測方法,首先將每個患者不同導聯(lián)的腦電圖(EEG)拼接濾波,同時提取描述腦電信號波形的多種線性特征,然后構(gòu)建用于癲癇發(fā)作間期和發(fā)作前期的深度雙向LSTM網(wǎng)絡,并將特征向量送入該雙向LSTM網(wǎng)絡中針對癲癇發(fā)作前期和發(fā)作間期進行特征學習,經(jīng)過網(wǎng)絡的正反腦電數(shù)據(jù)處理最終實現(xiàn)發(fā)作間期和發(fā)作前期的腦電分類;最后通過一定規(guī)則的后處理實現(xiàn)結(jié)果的優(yōu)化,提高了預測的正確率。本文在9例顳葉癲癇患者的臨床腦電數(shù)據(jù)上,通過SOP、SPH、靈敏度、誤報率、平均預測時間等性能指標對所構(gòu)建的深層雙向LSTM網(wǎng)絡進行性能評估。實驗中,總共發(fā)作次數(shù)為29次,預測正確為24次,平均誤報率為0.17/h,從而證明了基于雙向LSTM的腦電特征學習的癲癇發(fā)作預測系統(tǒng)有著較好的預測性能。對于平均預測時間,有一半以上的患者具有較長的預測時間,平均預測時間為35.47min,能夠在癲癇發(fā)作之前為患者提供充足的治療和心理準備。在顳葉癲癇患者的基礎上,今后的工作會對其他病灶區(qū)患者進行實驗,更加充分地完善預測系統(tǒng)。
【學位單位】：山東師范大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP181;R742.1
【部分圖文】：

圖 1-1 癲癇發(fā)作預測流程圖本論文預處理是對拼接后的腦電數(shù)據(jù)按 10s 進行截取、處理，再經(jīng)過濾波器濾波得到子帶。特征提取采用線性特征提取，訓練數(shù)據(jù)選擇 30-50 分鐘的發(fā)作間期和 30-50 分鐘的發(fā)作前期合并。測試數(shù)據(jù)選取全部發(fā)作間期和剩余發(fā)作點的腦電信號。經(jīng)過雙向LSTM 循環(huán)神經(jīng)網(wǎng)絡的特征學習，全連接層將其分類出發(fā)作間期和發(fā)作前期。1.5 論文結(jié)構(gòu)和章節(jié)安排本文首先介紹癲癇預測的發(fā)展歷程，對腦電信號進行介紹和研究，其次對本文用到的線性特征提取和雙向 LSTM 神經(jīng)網(wǎng)絡進行詳細介紹。然后研究基于雙向 LSTM 神經(jīng)網(wǎng)絡的癲癇腦電信號算法，最后得出實驗結(jié)果。本文內(nèi)容結(jié)構(gòu)安排如下：第一章 介紹癲癇預測的研究背景及意義，同時闡述了深度學習的發(fā)展史和預測癲癇發(fā)作的一般流程。對基于深度學習的腦電處理的文獻、期刊進行匯總整理。

山東師范大學碩士學位論文梢把信號傳遞給多個神經(jīng)元，通過軸突末梢跟其他神經(jīng)元的樹突搭橋輸神經(jīng)網(wǎng)絡與人工神經(jīng)網(wǎng)絡有著相似的結(jié)構(gòu)，通常把人工神經(jīng)網(wǎng)絡簡稱為神神經(jīng)網(wǎng)絡的神經(jīng)元對應著神經(jīng)網(wǎng)絡中的節(jié)點、神經(jīng)元的連接對應著神經(jīng)網(wǎng)重。單個神經(jīng)元是一種簡單的網(wǎng)絡模型，整體結(jié)構(gòu)由輸入、輸出和計算功網(wǎng)絡單元結(jié)構(gòu)如下[33]：

循環(huán)神經(jīng)網(wǎng)絡（Recurrent Neural Network），簡稱 RNN[36]。2010 年，Mikolov 提出利用 RNN 建立語言模型，2012 年，Sundermeyer 提出 RNN 的改進版本——LSTM。RNN 根據(jù)英文意義，主要分兩種類型：一種是遞歸神經(jīng)網(wǎng)絡，另一種是循環(huán)神經(jīng)網(wǎng)絡（本論文 RNN 均指循環(huán)神經(jīng)網(wǎng)絡）。遞歸神經(jīng)網(wǎng)絡主要解決部分遞歸結(jié)構(gòu)的存在，而循環(huán)神經(jīng)網(wǎng)絡是對網(wǎng)絡結(jié)構(gòu)的重復循環(huán)。RNN 模型的不同部分能夠共享參數(shù)，共享的參數(shù)可以處理不同長度的樣本。傳統(tǒng)的神經(jīng)網(wǎng)絡給每一個輸入特征分配一個單獨的參數(shù)，對應不同的語言規(guī)則，而循環(huán)神經(jīng)網(wǎng)絡在一定時間步長內(nèi)共享相同的參數(shù)，不需要學習每一個位置的語言規(guī)則。把 RNN 展開可以看做若干個相同的網(wǎng)絡連接在一起，RNN 解決前饋神經(jīng)網(wǎng)絡的問題，對時間序列上的變化建模有著重要意義。前饋神經(jīng)網(wǎng)絡的輸入數(shù)據(jù)是獨立的，并且輸出只依賴于當前的腦電信號的輸入，而循環(huán)神經(jīng)網(wǎng)絡不僅與現(xiàn)在的信號輸出狀態(tài)有關(guān)，也和以前的信號狀態(tài)有關(guān)。
【相似文獻】

相關(guān)期刊論文 前10條

1 伍亞舟;吳寶明;何慶華;張玲;易東;;基于想象左右手運動腦電特征提取及其統(tǒng)計特性分析[J];北京生物醫(yī)學工程;2007年02期

2 吳小培,馮煥清,周荷琴,李曉輝;結(jié)合小波變換和獨立分量分析的腦電特征提取[J];儀器儀表學報;2004年01期

3 馬娜;王學民;田苗;劉靜;綦宏志;明東;周鵬;;20Hz體感振動刺激對腦電特征影響研究[J];生物醫(yī)學工程學雜志;2016年06期

4 董光恒;楊麗珠;;情緒沖突控制過程的腦電特征研究[J];心理科學;2008年06期

5 萬柏坤;劉延剛;明東;孫長城;綦宏志;張廣舉;程龍龍;;基于腦電特征的多模式想象動作識別[J];天津大學學報;2010年10期

6 殷罡;吳平東;彭軍強;黃漫玲;汪東;;性格行為特征與腦電特征間關(guān)系的研究[J];北京理工大學學報;2009年04期

7 白樹林;謝松云;張玉梅;楊金孝;;基于灰色系統(tǒng)理論的腦電特征提取[J];貴州工業(yè)大學學報(自然科學版);2005年06期

8 宋亞林;孫杳如;;手指動作自動矯正的腦電特征[J];同濟大學學報(自然科學版);2017年06期

9 嚴娜;喬曉艷;李鵬;;基于小波-雙譜分析的視覺誘發(fā)腦電特征提取[J];測試技術(shù)學報;2012年01期

10 李飛;高小榕;高上凱;;基于隨機森林算法的高維腦電特征優(yōu)選[J];北京生物醫(yī)學工程;2007年04期

相關(guān)博士學位論文 前10條

1 饒娟;面向抑郁注意機制的任務態(tài)腦電特征算法研究[D];蘭州大學;2019年

2 辛喜艷;中風病虛實證候演變及腦電特征與預后的關(guān)系研究[D];北京中醫(yī)藥大學;2012年

3 石立臣;基于腦電信號的警覺度估計研究[D];上海交通大學;2012年

4 何洋;我國優(yōu)秀射箭運動員腦電特征的研究[D];山西大學;2008年

5 朱亞忱;基于特權(quán)信息的情感識別[D];中國科學技術(shù)大學;2015年

6 陳昌樂;三種佛家靜功操作方法的腦電特征比較研究[D];北京中醫(yī)藥大學;2012年

7 呂佳;基于事件相關(guān)電位技術(shù)的服裝情緒研究[D];江南大學;2014年

8 張海波;具象思維作業(yè)的腦電空間與頻域特征研究[D];北京中醫(yī)藥大學;2011年

9 彭宏;普適化腦電信息感知關(guān)鍵問題的研究[D];蘭州大學;2015年

10 郁洪強;過度使用互聯(lián)網(wǎng)者的腦電特征分析[D];天津大學;2009年

相關(guān)碩士學位論文 前10條

1 韓佳碩;抑郁人群睡眠腦電特征研究[D];蘭州大學;2019年

2 王鳳娟;基于LSTM的腦電特征學習及癲癇發(fā)作預測系統(tǒng)研究[D];山東師范大學;2019年

3 汪小雙;基于腦電特征獨立分量分析的癲癇檢測[D];大連理工大學;2018年

4 王永宗;面向情緒識別的腦電特征組合及通道優(yōu)化選擇研究[D];蘭州大學;2018年

5 宋江玲;非線性腦電特征提取方法研究[D];西北大學;2016年

6 嚴娜;視聽誘發(fā)腦電特征研究[D];山西大學;2012年

7 翟靜波;老年輕度認知功能障礙向阿爾茲海默病轉(zhuǎn)歸的腦電特征研究[D];山西醫(yī)科大學;2011年

8 頊春元;感覺刺激誘發(fā)腦電特征研究[D];山西大學;2011年

9 張穎群;初中生自我控制結(jié)構(gòu)、發(fā)展特點及腦電特征的研究[D];遼寧師范大學;2013年

10 沈驥;基于眼動、腦電特征的抑郁識別研究[D];蘭州大學;2015年

本文編號：2879113