基于字典對學(xué)習(xí)的癲癇檢測算法.pdf

1、癲癇是一種腦部神經(jīng)元群陣發(fā)性異常放電所致神經(jīng)功能異常的慢性精神疾病,它具有短暫性、突發(fā)性與反復(fù)性。一旦癲癇發(fā)作,患者會喪失意識、全身抽搐、精神失常等,嚴(yán)重的還會導(dǎo)致患者死亡或者殘疾。因此,癲癇不僅會影響患者的正常工作和家庭生活,也會對社會造成負(fù)擔(dān)。據(jù)統(tǒng)計,80％左右的癲癇患者都表現(xiàn)出腦電圖異常,主要表現(xiàn)為棘波、尖波、棘-慢波、尖-慢波、多棘波等。目前為止,腦電圖是進(jìn)行癲癇研究以及診斷治療癲癇的重要輔助工具。
　　癲癇診斷的工作主要

2、是由經(jīng)驗豐富的醫(yī)療工作者肉眼分析腦電圖來完成。人工肉眼分析大量的腦電圖是一項繁雜而又耗時的工作,檢測效率低且存在主觀性。計算機(jī)自動檢測癲癇腦電信號是一種極有價值的診斷技術(shù),不但可以減小醫(yī)療人員的工作負(fù)擔(dān),提高癲癇發(fā)作的診斷效率,還能夠有助于加深對癲癇發(fā)作的內(nèi)在機(jī)理及其規(guī)律的認(rèn)識。傳統(tǒng)的癲癇檢測方法是先進(jìn)行特征提取再送入分類器,特征提取主要靠人為選擇特征,是一項比較困難的工作。當(dāng)今時代,隨著便攜式醫(yī)療設(shè)備的出現(xiàn),研究癲癇自動檢測算法也面臨

3、著更大的挑戰(zhàn)。所以,急需提出新的癲癇自動檢測算法,不僅滿足臨床上的實時性要求,而且能夠?qū)Πd癇發(fā)作進(jìn)行有效抑制和治療。因此,本文提出了一種基于字典對學(xué)習(xí)算法對長程顱內(nèi)腦電進(jìn)行癲癇發(fā)作檢測的新方法,不需要進(jìn)行繁瑣的特征提取,而且算法運行速度較快,大大節(jié)省了檢測時間,有利于實現(xiàn)算法的實時性。
　　本文提出的基于字典對學(xué)習(xí)的癲癇檢測算法主要分為:預(yù)處理階段;字典對學(xué)習(xí)模型訓(xùn)練和檢測階段以及后處理階段。首先,對腦電數(shù)據(jù)進(jìn)行了分段,對腦電段采

4、用小波濾波、微分操作以及核函數(shù)技術(shù)進(jìn)行預(yù)處理,可以濾除原始腦電數(shù)據(jù)采集時的干擾噪聲并使得癲癇發(fā)作期腦電信號與間歇期腦電信號之間的差異更加顯著,為分類做準(zhǔn)備。接下來是隨機(jī)選取發(fā)作期腦電與間歇期腦電作為訓(xùn)練樣本,再使用訓(xùn)練好的字典對來對測試樣本進(jìn)行稀疏編碼,并計算重構(gòu)誤差。在字典對學(xué)習(xí)模型中,合成字典和分析字典是通過交替最小化方法從訓(xùn)練樣本中聯(lián)合學(xué)習(xí)得到的,并通過使用線性投影代替高代價的l0范數(shù)或l1范數(shù)優(yōu)化來獲得稀疏系數(shù),從而大大減少了算