本文關(guān)鍵詞：熵在癲癇信號(hào)檢測(cè)中的對(duì)比研究與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：癲癇是影響人類健康的一種神經(jīng)系統(tǒng)疾病，給患者和社會(huì)帶來(lái)嚴(yán)重的影響。腦電是常用的一種癲癇診斷技術(shù)，但受到技術(shù)限制，癲癇腦電目前還主要依靠醫(yī)生經(jīng)驗(yàn)人工判斷，尚未實(shí)現(xiàn)自動(dòng)診斷。如何實(shí)現(xiàn)癲癇腦電信號(hào)的自動(dòng)診斷是計(jì)算機(jī)、人工智能、醫(yī)學(xué)影像等相關(guān)領(lǐng)域的研究熱點(diǎn)之一。 實(shí)現(xiàn)癲癇腦電自動(dòng)診斷的關(guān)鍵是特征提取，由于癲癇是由大腦神經(jīng)元細(xì)胞群的異常同步放電引起的，而熵是一種反映系統(tǒng)混亂程度的非線性指標(biāo)，可以作為一種癲癇特征，在癲癇腦電信號(hào)特征提取的研究中發(fā)揮著越來(lái)越重要的作用。但是，熵的定義較多，癲癇檢測(cè)性能各不相同，較為系統(tǒng)的對(duì)比研究還較少。本文在已有研究的基礎(chǔ)上，進(jìn)行了腦電信號(hào)的非線性檢測(cè)，給出了一種基于網(wǎng)格優(yōu)化的癲癇腦電自動(dòng)檢測(cè)系統(tǒng)框架，并對(duì)比了近似熵、樣本熵、模糊熵的癲癇檢測(cè)性能，具體工作如下： （1）設(shè)計(jì)了一種基于樣本熵和模糊熵的時(shí)間序列非線性檢測(cè)方法，并對(duì)比了樣本熵與模糊熵的檢測(cè)性能。仿真實(shí)驗(yàn)結(jié)果表明，樣本熵和模糊熵均可以較好地用于時(shí)間序列的非線性檢測(cè)，且模糊熵的檢測(cè)性能優(yōu)于樣本熵。 （2）設(shè)計(jì)了一種基于熵的癲癇檢測(cè)系統(tǒng)框架，該框架首先計(jì)算腦電信號(hào)的熵，并利用K-S檢驗(yàn)選擇差異顯著的電極形成特征向量，利用網(wǎng)格尋優(yōu)技術(shù)訓(xùn)練SVM分類器，選擇分類器的最優(yōu)參數(shù)，訓(xùn)練好的分類器即可進(jìn)行腦電信號(hào)的自動(dòng)檢測(cè)。 （3）基于本文設(shè)計(jì)的癲癇自動(dòng)檢測(cè)框架，利用兩組癲癇數(shù)據(jù)對(duì)比了幾種不同的非線性指標(biāo)（近似熵、樣本熵、模糊熵等）的檢測(cè)性能。結(jié)果表明，這些非線性指標(biāo)的癲癇檢測(cè)性能不同，其中模糊熵、樣本熵分類性能較好，且模糊熵的分類性能最優(yōu)。 總之，圍繞癲癇腦電信號(hào)的自動(dòng)檢測(cè)問(wèn)題，本文實(shí)現(xiàn)了基于熵的時(shí)間序列非線性檢測(cè)與癲癇腦電信號(hào)的自動(dòng)檢測(cè)，對(duì)比了樣本熵、模糊熵在時(shí)間序列非線性檢測(cè)與癲癇腦電自動(dòng)檢測(cè)中的性能。兩組真實(shí)腦電數(shù)據(jù)的對(duì)比結(jié)果表明，使用樣本熵和模糊熵可以很好地進(jìn)行癲癇診斷，并且模糊熵在癲癇發(fā)作檢測(cè)中具有更好的性能，希望本文提出的方法可以為癲癇腦電自動(dòng)臨床診斷提供一定的參考。
【關(guān)鍵詞】：非線性檢測(cè) 癲癇檢測(cè) 樣本熵 模糊熵 支持向量機(jī)
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R742.1;TP18
【目錄】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 緒論10-16
• 1.1 研究背景及意義10-11
• 1.2 研究現(xiàn)狀11-14
• 1.2.1 腦電信號(hào)非線性研究現(xiàn)狀11-12
• 1.2.2 癲癇信號(hào)檢測(cè)研究現(xiàn)狀12-14
• 1.3 論文安排14-15
• 1.4 小結(jié)15-16
• 第二章 熵16-22
• 2.1 近似熵16-17
• 2.2 樣本熵17-18
• 2.3 模糊熵18-20
• 2.4 小結(jié)20-22
• 第三章 腦電信號(hào)的非線性檢測(cè)22-40
• 3.1 替代數(shù)據(jù)法22-26
• 3.1.1 替代數(shù)據(jù)產(chǎn)生23-25
• 3.1.2 特征量選擇25-26
• 3.1.3 差別顯著度判定26
• 3.2 仿真驗(yàn)證26-39
• 3.2.1 實(shí)驗(yàn)方案26-27
• 3.2.2 待測(cè)數(shù)據(jù)27-29
• 3.2.3 實(shí)驗(yàn)結(jié)果29-37
• 3.2.4 討論37-38
• 3.2.5 結(jié)論38-39
• 3.3 討論39
• 3.4 小結(jié)39-40
• 第四章 基于熵的癲癇信號(hào)檢測(cè)40-50
• 4.1 基于熵的癲癇信號(hào)檢測(cè)40-41
• 4.2 特征提取41-43
• 4.2.1 K-S 檢驗(yàn)41-43
• 4.3 分類器的選擇與訓(xùn)練43-48
• 4.3.1 分類器的選擇43-45
• 4.3.2 SVM 分類原理45-46
• 4.3.3 影響 SVM 分類結(jié)果的因素46-48
• 4.4 小結(jié)48-50
• 第五章 實(shí)驗(yàn)結(jié)果與分析50-62
• 5.1 數(shù)據(jù)介紹50-52
• 5.1.1 兒童癲癇數(shù)據(jù)50-51
• 5.1.2 Bonn 數(shù)據(jù)集51-52
• 5.2 癲癇信號(hào)非線性驗(yàn)證結(jié)果52-53
• 5.3 分類結(jié)果53-58
• 5.3.1 兒童癲癇數(shù)據(jù)結(jié)果54-57
• 5.3.2 Bonn 數(shù)據(jù)集結(jié)果57-58
• 5.4 結(jié)果分析與討論58-60
• 5.5 小結(jié)60-62
• 第六章 總結(jié)與展望62-64
• 6.1 總結(jié)62
• 6.2 展望62-64
• 參考文獻(xiàn)64-70
• 致謝70-72
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王立媛;;病態(tài)胎兒心率信號(hào)的替代數(shù)據(jù)分析[J];長(zhǎng)春師范學(xué)院學(xué)報(bào);2007年04期

2 方芬,王海燕;多變量混沌時(shí)間序列局部多項(xiàng)式預(yù)測(cè)方法及應(yīng)用(英文)[J];Journal of Southeast University(English Edition);2005年02期

3 葛家怡;周鵬;趙欣;劉海嬰;王明時(shí);;睡眠腦電時(shí)間序列的非線性樣本熵研究[J];電子器件;2008年03期

4 侯澍e

本文編號(hào)：316361