癫痫失神发作脑电信号小波分析与脑电信号区域特征提取

发布时间：2017-05-11 01:04

  本文关键词：癫痫失神发作脑电信号小波分析与脑电信号区域特征提取，由笔耕文化传播整理发布。

【摘要】：目的：脑电图（EEG）是癫痫诊断和疗效评估的金标准之一，临床中脑电图通过人工识图的方法来分析，效率较低，同时也受到识图者自身水平的影响，寻求脑电图新的分析方法显得尤为必要。小波分析是目前国际上公认的时频分析工具，在时间、频率域上具有良好的特性，被称为“数学显微镜”，在波形分析领域得到了广泛应用。Matlab是与Mathematica、Maple并称为三大数学软件的软件系统，在科学计算领域得到了世界的公认，在数据分析领域广泛使用。本实验期望寻找一种计算机辅助分析脑电信号的新方法。 方法：本文基于Matlab软件，，运用小波分析的方法对癫痫患者EEG信号进行量化分析，在软件中编程，套用小波能量、小波方差、小波熵的函数，可以得到各目标导联小波分解后β、α、θ、δ四种波形的小波能量、小波方差、小波熵的值，利用统计学软件对各数值进行分析；利用软件特性建模，尝试对失神发作的波形进行识别；建模对发作前期、发作期脑电信号的能量变化进行分析。 结果：1.双侧半球小波熵、小波方差、小波能量指标的分析，失神发作的过程中大脑两侧的电生理活动具有一致性。2.发作期与发作间期、发作前期相比β、α、θ、δ四种基本波形的小波方差均显著增加。3.发作过程中小波熵的比较显示，失神发作中脑电的产生源于同步化的电生理过程。4.利用发作期小波能量与背景能量的显著差异，建立了失神识别的模型，证明通过能量差异可以对癫痫的发作有效识别。5.失神发作前，各基本波形小波能量没有恒定的变化趋势。 结论：实验揭示了失神发作过程中数学特征的变化，为了深层次的解释其癫痫症状的内在特性和原因提供了客观依据。同时利用这些特征性变化建立了失神发作的自动识别波形，对多组癫痫失神发作的脑电信号成功识别，为临床脑电自动化分析提供一种新的方法，具有较好的实用价值和社会效益。
【关键词】：脑电图 癫痫发作 小波分析
【学位授予单位】：石河子大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：R742.1;R741.044
【目录】：

• 摘要6-7
• 英文摘要7-8
• 英文缩略语表8-9
• 前言9-11
• 材料与方法11-21
• 1 材料11-14
• 2 EEG 自动分析设计小波理论14-16
• 3 EEG 自动分析 MATLAB 模型设计16-20
• 4 统计方法20-21
• 结果21-31
• 1 小波能量、小波熵、小波方差的比较21-28
• 2 失神发作 EEG 信号自动识别28-29
• 3 C4 导联失神发作前、发作期脑电能量构成29-31
• 讨论31-36
• 1 失神发作过程中双侧半球对应导联的关联31-33
• 2 研究 C4 导联不同时期小波能量的差异33-34
• 3 失神发作自动识别34
• 4 失神发作不同时期脑电能量变化34-36
• 结论36-37
• 展望37-38
• 参考文献38-41
• 综述41-48
• 参考文献46-48
• 致谢48-49
• 作者简历49-50
• 导师评阅表50

【参考文献】

中国期刊全文数据库 前5条

1 季忠,秦树人,彭丽玲;脑电信号的现代分析方法[J];重庆大学学报(自然科学版);2002年09期

2 邵晨曦;童松桃;;脑电非线性动力学快速分析与癫痫脑电分析[J];生物医学工程研究;2008年03期

3 刘大路,江朝晖,冯焕清,王涛;小波和主分量分析方法研究思维脑电[J];生物物理学报;2003年04期

4 侯峰;刘绍明;梁晓东;;基于能量算法的癫痫发作脑电信号分析[J];临床和实验医学杂志;2012年11期

5 朱小文;胡平;;基于小波和神经网络的脑电智能诊断研究[J];微计算机信息;2008年10期

  本文关键词：癫痫失神发作脑电信号小波分析与脑电信号区域特征提取，由笔耕文化传播整理发布。

本文编号：355863