癲癇是大腦神經(jīng)元異常放電導(dǎo)致的一種常見(jiàn)的神經(jīng)系統(tǒng)疾病,中國(guó)約有九百萬(wàn)名患者深受其影響。其中,許多耐藥性癲癇患者只能寄希望于手術(shù)治療以擺脫疾病對(duì)工作和生活的影響,因此精準(zhǔn)定位癲癇灶對(duì)患者來(lái)說(shuō)十分重要。近年研究發(fā)現(xiàn)腦電中80⁵00Hz的高頻振蕩信號(hào)（High Frequency Oscillations,HFOs）與癲癇的發(fā)作有密切的聯(lián)系,雖然非病灶區(qū)域也可能有高頻振蕩信號(hào),但在癲癇灶內(nèi)外具有一定區(qū)別,能夠指示癲癇灶位置。由于腦電信號(hào)數(shù)據(jù)量巨大,人工篩查HFOs會(huì)占用研究者大量的時(shí)間且無(wú)法避免主觀性。為此,本研究提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的HFOs自動(dòng)檢測(cè)方法,并基于腦電通道內(nèi)HFOs特征對(duì)癲癇灶進(jìn)行定位,以期提高癲癇手術(shù)的成功率。本課題的主要研究?jī)?nèi)容和貢獻(xiàn)如下:首先,本文設(shè)計(jì)了一套基于MATLAB的HFOs人工篩選定標(biāo)系統(tǒng),通過(guò)對(duì)臨床五例患者顱內(nèi)腦電信號(hào)的逐步錄入和分析,構(gòu)建了一個(gè)總計(jì)近一萬(wàn)五千個(gè)樣本的腦電高頻振蕩數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)包含五例患者顱內(nèi)腦電高頻振蕩信號(hào)始末時(shí)間及通道標(biāo)號(hào)等基礎(chǔ)信息。其次,本文提出了一種結(jié)合短時(shí)能量和卷積神經(jīng)網(wǎng)絡(luò)的高頻振蕩信號(hào)自動(dòng)檢測(cè)新方法,即... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

癲癇術(shù)前檢查[2]

電子科技大學(xué)碩士學(xué)位論文4學(xué)習(xí)算法和深度學(xué)習(xí)算法，人工提取特征通常會(huì)受到現(xiàn)有知識(shí)范圍的限制而無(wú)法有較大突破，而深度學(xué)習(xí)算法能夠克服這一缺陷。深度學(xué)習(xí)是一種能夠從原始數(shù)據(jù)中自動(dòng)學(xué)習(xí)和發(fā)現(xiàn)復(fù)雜特征并進(jìn)行分類的算法，自主提取特征可能會(huì)大幅提升算法性能，但也可能適得其反。目前研究中使用的深度學(xué)習(xí)算法包括人工神經(jīng)網(wǎng)絡(luò)(ANN)[17]和模糊神經(jīng)網(wǎng)絡(luò)(FNN)[16]、卷積神經(jīng)網(wǎng)絡(luò)等。其中卷積神經(jīng)網(wǎng)絡(luò)在癲癇發(fā)作識(shí)別[18]中有較好的表現(xiàn)，文獻(xiàn)[19]中將時(shí)域信號(hào)轉(zhuǎn)為圖片進(jìn)而使用卷積神經(jīng)網(wǎng)絡(luò)分類。圖1-2高頻振蕩信號(hào)檢測(cè)算法常見(jiàn)流程圖棘波等尖銳事件（sharpevent）很容易造成誤檢，這也是影響許多檢測(cè)器性能的一個(gè)重要原因。Sfax大學(xué)LETI實(shí)驗(yàn)室設(shè)計(jì)了一種無(wú)監(jiān)督算法[20]，使用一種可調(diào)q因子小波變換(TQWT)對(duì)腦電圖信號(hào)中的瞬態(tài)（transientbrainactivity）和振蕩腦活動(dòng)（oscillatorybrainactivity）進(jìn)行建模，腦電圖信號(hào)的瞬態(tài)和振蕩成分可以通過(guò)低和高q因子來(lái)表征，再結(jié)合形態(tài)學(xué)成分分析(MCA)對(duì)其進(jìn)行分離。這種非線性分離方法可以作為EEG預(yù)處理步驟，應(yīng)用于從本質(zhì)上減少瞬變?cè)贓EG中的影響。但這一算法沒(méi)有考慮到棘波等尖銳事件與HFOs的疊加情況，因此在實(shí)際應(yīng)用時(shí)的性能可能無(wú)法達(dá)到測(cè)試的值。蒙特利爾神經(jīng)學(xué)研究所[21]考慮到了這一問(wèn)題，進(jìn)而選擇使用二階導(dǎo)數(shù)法測(cè)量尖銳事件并進(jìn)行標(biāo)記，HFO信號(hào)中如果大于一點(diǎn)超過(guò)閾值則認(rèn)為該段信號(hào)中尖銳事件與HFO二者并存。該方法使用5例患者的數(shù)據(jù)用于

電子科技大學(xué)碩士學(xué)位論文8第二章腦電高頻振蕩信號(hào)及機(jī)器學(xué)習(xí)相關(guān)理論2.1腦電信號(hào)概述神經(jīng)元是神經(jīng)系統(tǒng)最基本的結(jié)構(gòu)和功能單位，大腦中的神經(jīng)細(xì)胞數(shù)量約為1011個(gè)。神經(jīng)元的結(jié)構(gòu)如圖2-1所示，神經(jīng)元的表面覆蓋有1,000~100,000個(gè)突觸，靜息電位約為-70mV，動(dòng)作電位峰值幅度約為100mV，持續(xù)約1ms。圖2-1神經(jīng)元結(jié)構(gòu)圖腦電信號(hào)是眾多神經(jīng)元細(xì)胞共同活動(dòng)共同放電產(chǎn)生的結(jié)果，大腦皮層內(nèi)大量神經(jīng)元突觸后電位疊加形成了腦電信號(hào)。大腦頭皮或皮層的信號(hào)可以較為準(zhǔn)確地反映出整個(gè)大腦神經(jīng)系統(tǒng)的電生理活動(dòng)狀態(tài)，如圖2-2所示。因此，臨床上通過(guò)記錄和分析大腦頭皮或皮層的腦電信號(hào)來(lái)觀察和診斷患者的腦部疾病的病情。圖2-2腦電信號(hào)的產(chǎn)生示意圖腦電圖是測(cè)量大腦神經(jīng)元活動(dòng)的一種有效的間接測(cè)量工具，可以檢測(cè)毫秒級(jí)

【參考文獻(xiàn)】：
碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的癲癇發(fā)作預(yù)測(cè)[D]. 丁木涵.山東師范大學(xué) 2018
[2]腦電高頻振蕩信號(hào)在癲癇定位及癲癇預(yù)測(cè)中的應(yīng)用探索[D]. 闞增輝.電子科技大學(xué) 2018
[3]基于皮層腦電的癲癇腦網(wǎng)絡(luò)研究及癲癇預(yù)測(cè)探索[D]. 張歡歡.電子科技大學(xué) 2017



本文編號(hào)：3282430