基于隱馬爾可夫模型和符號(hào)條件熵的異常生理信號(hào)研究.pdf

1、異常生理電信號(hào)的收集和分析對(duì)于評(píng)估病患人體機(jī)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(jìn)行疾病的診斷和治療。本文在前人工作的基礎(chǔ)上，從實(shí)際應(yīng)用和理論分析兩個(gè)角度分別對(duì)異常腦電信號(hào)和異常心電信號(hào)進(jìn)行研究，具體的工作有如下幾個(gè)部分：
　?。?）基于隱馬爾可夫模型的癲癇腦電信號(hào)識(shí)別算法
　　癲癇腦電的采集需要醫(yī)生長(zhǎng)期觀測(cè)患者的腦電圖，并且根據(jù)經(jīng)驗(yàn)做出判斷。自動(dòng)化的癲癇腦電識(shí)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

2、AR模型對(duì)腦電信號(hào)進(jìn)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(zhǔn)確區(qū)分正常腦電和癲癇腦電。仿真結(jié)果表明，癲癇腦電的識(shí)別率可達(dá)90％。使用隱馬爾可夫模型建模的方法對(duì)正常腦電信號(hào)和癲癇腦電的識(shí)別率較高，算法可以達(dá)到癲癇腦電自動(dòng)識(shí)別的要求。
　?。?）基于符號(hào)條件熵的心電信號(hào)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(hào)條件熵的冗余信息計(jì)

3、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(shù)值計(jì)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(hào)是否異常的一個(gè)指標(biāo)。
　?。?）基于Java平臺(tái)的生理電信號(hào)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
　　論文將上述兩種腦電、心電生理電信號(hào)的分析算法通過java語(yǔ)言進(jìn)行了編程實(shí)現(xiàn)。首先，分析系統(tǒng)可以對(duì)癲癇異常腦電信號(hào)和正常腦電信號(hào)進(jìn)行區(qū)分，并且顯示出識(shí)別率；其次，分析系統(tǒng)可以計(jì)算