基于深度学习的癫痫病发作识别研究

发布时间：2024-01-14 14:54

　　癫痫病是一种常见的慢性神经性疾患,它会随机而反复地发作,对病人的身心健康和正常生活造成极大的负面影响。快速而准确地识别出发作病变对于癫痫病患者来说具有重要的意义,不仅可以指导病人合理地用药就医,而且可以使患者的家属及时获悉病情,从而使处于癫痫发作中的患者得到救助。目前,癫痫病的诊断以及患者癫痫发作的记录和识别,主要依靠医务人员对患者进行脑电图检查与分析来确定,这种方法虽然准确,但是获取和分析患者脑电图的过程十分费时费力,无法满足患者随时随地随身监测病情的需求。因此,自动而方便地监测癫痫患者的病情,又能对癫痫发作进行较为准确的识别,是追踪癫痫患者病情的迫切需求,也是未来研究的重点方向。以此为背景,本课题采用便携式的传感器装置,发展了相应的深度学习算法对癫痫发作的识别进行了研究。结合近些年发展迅猛的可穿戴健康监测设备,通过安装在一种腕带式手环平台上的加速度传感器,获取佩戴者的肢端动作信号,即手腕的三轴加速度信号,为癫痫发作识别提供原始的数据来源,同时解决了传统脑电图癫痫识别装置的便携性问题。为了更有效地分析,将采集到的原始数据做了进一步的预处理,包括滤波降噪,划窗分割,标准化以及时频联合分...

【文章页数】：76 页

【学位级别】：硕士

本文编号：3878440