2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、癲癇是一種由大量大腦神經(jīng)元突發(fā)同步放電而引發(fā)的腦功能絮亂綜合癥。據(jù)統(tǒng)計,全球癲癇患者數(shù)量超過了5000萬人,癲癇的反復(fù)發(fā)作嚴重威脅著患者的身心健康。若能夠提前預(yù)測癲癇發(fā)作時間,不僅有利于對患者采取預(yù)防保護措施,也有助于對癲癇的發(fā)病機理及癲癇的診斷和治療進行深入探索。因而,目前國內(nèi)外有眾多學(xué)者都致力于癲癇預(yù)測的研究工作。
   棘波是癲癇樣放電最具特征性的表現(xiàn)之一。在腦電圖(electroencephalogram,EEG)中,它

2、是一種明顯區(qū)別于背景的,突發(fā)性的波形變化,其波幅大小各異,棘波的出現(xiàn)說明腦部有刺激性病灶,因此在臨床癲癇檢查中,最重要的是觀察腦電圖中是否存在棘波。自回歸(AutoRegressive,AR)模型是一種線性預(yù)測方法,可以很好的應(yīng)用到腦電信號的分析處理中,假設(shè)腦電信號可以由線性濾波器描述其產(chǎn)生過程并可以用AR過程進行逼近,通過選取合適的階次和參數(shù)就可以使AR過程盡可能逼近腦電信號。因此,本文在分析了四個不同腦電時期信號中棘波頻次和AR參數(shù)

3、變化規(guī)律的基礎(chǔ)上,提出了一種以腦電棘波頻次和AR參數(shù)為特征的癲癇預(yù)測算法。
   對于大多數(shù)線性分類算法,可以得到測試樣本分類后的標簽,但不能得到測試樣本屬于某一類的概率值。貝葉斯線性判別分析(Bayesian Linear DiscriminantAnalysis,BLDA)是基于證據(jù)框架的貝葉斯回歸,它不僅能得到測試樣本分類后的標簽,還可以得到測試樣本屬于某一類的概率值,因而被廣泛應(yīng)用。BLDA可看作為Fisher線性判別分

4、析(Fisher Linear Discriminant Analysis,F(xiàn)LDA)的擴展。與FLDA方法相比,BLDA方法采用正則化解決高維數(shù)據(jù)伴隨噪聲的過擬合問題,本文將使用BLDA作為線性分類器。
   算法首先對腦電圖信號進行預(yù)處理以濾除高頻干擾和工頻干擾,并用移動窗技術(shù)對EEG信號進行分段處理。然后對每段信號提取棘波頻次和AR參數(shù)作為特征向量,并通過BLDA進行分類判別,最后將分類結(jié)果進行卡爾曼濾波(KalmanFi

5、lter, KF)處理,去除瞬變信號,平滑分類結(jié)果。本文算法的實驗數(shù)據(jù)來源于德國Freiburg醫(yī)學(xué)院的癲癇研究中心的癲癇數(shù)據(jù)庫,包括21例癲癇患者共87次癲癇發(fā)作的顱內(nèi)EEG數(shù)據(jù)。實驗結(jié)果表明,除去用于訓(xùn)練的40次癲癇發(fā)作外,剩余的47次癲癇發(fā)作有42次被正確預(yù)測,算法靈敏度達到89.36%,錯誤預(yù)測率僅為0.09次/每小時。
   文章最后將本文算法與累積能量增量法和基于小波變換的相位同步化分析法進行比較,比較結(jié)果顯示本文提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論