發(fā)布時間：2024-06-29 05:28

　　癲癇是由多種病因?qū)е碌呐R床綜合性疾病,是常見的神經(jīng)系統(tǒng)疾病之一。全球有5000萬左右的癲癇患者,中國患病人數(shù)超過900萬,患病率約為5⁷‰。臨床上根據(jù)線上采集的腦電圖的特征對癲癇患者進(jìn)行檢測,但是,由于這項工作的主觀性和隨機(jī)性,醫(yī)療工作人員在視覺檢查中對患者的腦電圖采取研究并且總結(jié)結(jié)論,這是不充分的。因此,采取信號處理和模式識別方法對腦電信號進(jìn)行檢測從而減少主觀誤差和降低醫(yī)療工作者的工作強(qiáng)度,就顯得尤為重要。近幾年來,以信號處理和模式識別為基礎(chǔ),越來越多的腦電信號處理方法被用作研究,由于腦電信號的自身特性以及技術(shù)局限性的特點,不同的方法總會出現(xiàn)這樣那樣的問題,進(jìn)而導(dǎo)致腦電信號的提取和處理中存在噪聲、識別準(zhǔn)確率低和評價指標(biāo)較少的缺點。為了改善噪聲干擾、識別準(zhǔn)確率低和評價指標(biāo)較少等情況,本文首先采用巴特沃斯帶通濾波器對德國波恩大學(xué)實驗室所提供的癲癇腦電數(shù)據(jù)進(jìn)行去噪預(yù)處理,然后分別選取三種不同方法對純凈的癲癇腦電信號進(jìn)行特征值提取和分類,最后引入隨機(jī)森林算法評價指標(biāo)對三種方法進(jìn)行比較,得出評價效果。本文的研究工作主要分為以下幾個方面:1.為了解決數(shù)據(jù)源缺陷、采集不夠準(zhǔn)確...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1小波包分解示意圖

圖2.1小波包分解示意圖圖中AnS為低頻成分，DnS為高頻成分。小波包的優(yōu)勢在于可以將高頻部分的進(jìn)行細(xì)并且得出相應(yīng)結(jié)論，因此具有更強(qiáng)的分析能力。離散信號nx進(jìn)行小波包變換[34]，如公式3.7、3.8、3.9所示：112(2)2()2(2)ppp....

圖3.1隨機(jī)森林生成森林過程示意圖

第3章基于隨機(jī)森林算法的癲癇腦電信號特征值分類研究機(jī)森林算法執(zhí)行上述的兩個步驟，可以得到特定條件下的隨機(jī)森林。然后最終通過大多數(shù)類的結(jié)果。簡言之，隨機(jī)森林算法主要就是兩大過程：生成森林和進(jìn)行決林可由下圖表示：

圖3.2隨機(jī)森林進(jìn)行決策過程示意圖

圖3.1隨機(jī)森林生成森林過程示意圖決策示意圖如下圖所示：

圖4.110-20系統(tǒng)電極安放示意圖

第4章癲癇腦電信號特征值提取與特征值分類實驗言章和第三章我們詳細(xì)介紹了癲癇腦電信號的幾種特征值提取方法和隨機(jī)森別介紹了基于小波變換、S變換和廣義S變換的癲癇腦電信號特征值提取方機(jī)森林算法的特征值分類方法。在2.3節(jié)中我們簡要介紹了基于三種算法的特征值提取方法，在....

本文編號：3997237