本文選題：癲癇腦電 + 心電信號��； 參考：《南京郵電大學》2016年碩士論文

【摘要】：異常生理電信號的收集和分析對于評估病患人體機能的狀態(tài)具有重要的意義,并且能夠幫助醫(yī)生更好地進行疾病的診斷和治療。本文在前人工作的基礎上,從實際應用和理論分析兩個角度分別對異常腦電信號和異常心電信號進行研究,具體的工作有如下幾個部分:(1)基于隱馬爾可夫模型的癲癇腦電信號識別算法癲癇腦電的采集需要醫(yī)生長期觀測患者的腦電圖,并且根據經驗做出判斷。自動化的癲癇腦電識別方法可以減輕醫(yī)生工作量,減少主觀因素的影響。本文使用AR模型對腦電信號進行特征提取,隱馬爾可夫模型(Hidden Markov Model,HMM)作為正常腦電和癲癇腦電的分類工具,可以準確區(qū)分正常腦電和癲癇腦電。仿真結果表明,癲癇腦電的識別率可達90%。使用隱馬爾可夫模型建模的方法對正常腦電信號和癲癇腦電的識別率較高,算法可以達到癲癇腦電自動識別的要求。(2)基于符號條件熵的心電信號冗余信息分析論文從混沌理論普適性的角度出發(fā),提出了一種使用符號條件熵的冗余信息計算方法,分析正常ECG和心肌梗塞異常ECG中含有的冗余信息,數值計算證明心肌梗塞異常ECG中含有的冗余信息相比于正常ECG來說更大,這表明冗余信息可以作為區(qū)分心電信號是否異常的一個指標。(3)基于Java平臺的生理電信號分析系統(tǒng)的設計與實現(xiàn)論文將上述兩種腦電、心電生理電信號的分析算法通過java語言進行了編程實現(xiàn)。首先,分析系統(tǒng)可以對癲癇異常腦電信號和正常腦電信號進行區(qū)分,并且顯示出識別率;其次,分析系統(tǒng)可以計算輸入的心電信號的冗余信息。該系統(tǒng)在腦機接口設備的開發(fā)和臨床心功能評估中有一定的參考價值和輔助作用。
[Abstract]:The collection and analysis of abnormal physiological signals are of great significance in evaluating the state of the patient's human function and can help doctors to better diagnose and treat diseases. In this paper, based on the previous work, the abnormal EEG and abnormal ECG are studied from the perspective of practical application and theoretical analysis. The specific work is as follows: (1) EEEG recognition algorithm based on Hidden Markov Model (hmm) requires doctors to observe EEG of patients for a long time and make a judgment based on experience. Automatic EEG recognition method can reduce the workload of doctors and reduce the influence of subjective factors. In this paper, AR model is used to extract the features of EEG. Hidden Markov Model (hmm) is used as a classification tool for normal EEG and epileptic EEG, which can accurately distinguish normal EEG from epileptic EEG. The simulation results show that the recognition rate of epileptic EEG can reach 90%. The recognition rate of normal EEG and epileptic EEG is higher by using hidden Markov model. The algorithm can meet the requirements of EEG automatic recognition. (2) based on symbol conditional entropy, the redundant information analysis of ECG signal is presented. From the point of view of the universality of chaos theory, a method of computing redundant information using symbol conditional entropy is proposed. The redundant information contained in normal ECG and abnormal ECG of myocardial infarction is analyzed. Numerical calculation shows that the redundant information in abnormal ECG of myocardial infarction is greater than that in normal ECG. This indicates that redundant information can be used as an index to distinguish whether ECG signal is abnormal. (3) the design and implementation of physiological signal analysis system based on Java platform. The algorithm of electrophysiological signal analysis is programmed by java language. Firstly, the analysis system can distinguish the abnormal EEG signal from the normal EEG signal and show the recognition rate. Secondly, the system can calculate the redundant information of the input ECG signal. The system has certain reference value and auxiliary function in the development of brain-computer interface equipment and the evaluation of clinical cardiac function.
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R318;TN911.7

【相似文獻】

相關期刊論文 前10條

1 張慧麗;;基于混合二階隱馬爾可夫模型的基因結構預測[J];電腦知識與技術(學術交流);2007年14期

2 侯昭武;;隱馬爾可夫模型的拓樸應用[J];河南師范大學學報(自然科學版);2009年06期

3 黃崗;;馬爾可夫及隱馬爾可夫模型的應用[J];電子設計工程;2013年17期

4 王新民;基于因子分析的隱馬爾可夫模型(英文)[J];華中師范大學學報(自然科學版);2004年02期

5 曹林;王東峰;鄒謀炎;;基于隱馬爾可夫模型的人像鑒別算法[J];中國科學院研究生院學報;2006年01期

6 鄒凌云;王正志;黃教民;;基于序列拓撲和二階隱馬爾可夫模型的跨膜蛋白亞細胞定位預測[J];激光生物學報;2008年02期

7 馮志偉;;隱馬爾可夫模型及其在自動詞類標注中的應用[J];燕山大學學報;2013年04期

8 趙征鵬,楊鑒,普園媛,尉洪;基于隱馬爾可夫模型的非母語說話人口音識別[J];云南大學學報(自然科學版);2004年S1期

9 杜世平;;帶駐留時間隱馬爾可夫模型學習算法的改進[J];西南民族大學學報(自然科學版);2008年04期

10 朱明;郭春生;;隱馬爾可夫模型及其最新應用與發(fā)展[J];計算機系統(tǒng)應用;2010年07期

相關會議論文 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關系[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

2 馬勇;金峗;顧明亮;趙力;;基于隱馬爾可夫模型的漢語方言辨識[A];2009’中國西部地區(qū)聲學學術交流會論文集[C];2009年

3 吳志強;陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內與文本無關的說話人辨認的研究[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測與識別中的應用[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識別[A];第一屆全國語言識別學術報告與展示會論文集[C];1990年

6 徐東風;周萍;景新幸;;改進隱馬爾可夫模型的非線性分段技術應用[A];中國聲學學會2007年青年學術會議論文集（下）[C];2007年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測與識別系統(tǒng)[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

8 秦勇;莫福源;李昌立;關定華;;基于隱馬爾可夫模型的漢語二字詞音調模式識別[A];第三屆全國人機語音通訊學術會議論文集[C];1994年

9 楊文強;鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點識別[A];中國運籌學會第六屆學術交流會論文集（下卷）[C];2000年

10 馬曉川;劉冬;趙榮椿;;孤立短語隱馬爾可夫模型自動建模軟件的實現(xiàn)[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

相關博士學位論文 前4條

1 歐陽黜霏;基于隱馬爾可夫模型的車輛行程時間預測方法研究[D];武漢大學;2015年

2 李杰;隱馬爾可夫模型的研究及其在圖像識別中的應用[D];清華大學;2004年

3 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關算法研究[D];華中科技大學;2014年

4 劉韜;基于隱馬爾可夫模型與信息融合的設備故障診斷與性能退化評估研究[D];上海交通大學;2014年

相關碩士學位論文 前10條

1 白雁飛;基于隱馬爾可夫模型的J波識別技術研究[D];太原理工大學;2016年

2 崔晨雨;基于用戶經驗水平的推薦方法研究[D];清華大學;2015年

3 李若冰;基于貝葉斯網絡和隱馬爾可夫模型的撲克對手建模研究[D];南京大學;2013年

4 朱超然;基于隱馬爾可夫模型的無線傳感器網絡入侵檢測研究[D];華北電力大學(北京);2014年

5 李倫;基于隱馬爾可夫模型的VaR度量方法研究[D];華東政法大學;2016年

6 李曉燕;基于隱馬爾科夫模型的軌跡聚類方法研究[D];華東師范大學;2016年

7 關超;隱馬爾可夫模型在肝硬化進展中的應用[D];山西醫(yī)科大學;2016年

8 李飛;基于隱馬爾可夫模型和符號條件熵的異常生理信號研究[D];南京郵電大學;2016年

9 王宇寧;隱馬爾可夫模型在信息抽取中的應用研究[D];大連理工大學;2007年

10 楊戰(zhàn);基于隱馬爾可夫模型的自動和弦識別[D];哈爾濱工業(yè)大學;2010年

，

本文編號：2085866