基于Gradient Boosting算法的癲癇檢測(cè).pdf

1、癲癇是一種慢性腦部疾病，由于腦部神經(jīng)元異常放電而導(dǎo)致大腦功能障礙。癲癇的反復(fù)發(fā)作會(huì)對(duì)患者生活造成極大的限制，影響其生活質(zhì)量。目前，臨床上多用長(zhǎng)程腦電記錄對(duì)癲癇發(fā)作進(jìn)行檢測(cè)，而對(duì)癲癇患者腦電圖的分析可以幫助醫(yī)務(wù)工作者診斷病情，定位致癇灶，并進(jìn)行相應(yīng)的治療。然而，對(duì)患者腦電圖的檢測(cè)和分析工作主要由醫(yī)務(wù)工作者通過(guò)視覺(jué)來(lái)完成，繁重而耗時(shí)。因此，利用計(jì)算機(jī)自動(dòng)完成對(duì)癲癇發(fā)作期的標(biāo)記工作顯得尤為迫切。
　　 自上世紀(jì)80年代，癲癇發(fā)作自動(dòng)檢

2、測(cè)就受到了廣泛關(guān)注。在癲癇發(fā)作期，腦部神經(jīng)元會(huì)產(chǎn)生大量慢波、尖波、棘波等特征波，并且該時(shí)期波形變化比間歇期更加劇烈。利用這一特點(diǎn)，眾多研究利用計(jì)算機(jī)模擬醫(yī)務(wù)工作者視覺(jué)判斷的過(guò)程，對(duì)腦電信號(hào)進(jìn)行特征提取，然后分類識(shí)別，從而達(dá)到自動(dòng)檢測(cè)癲癇發(fā)作的目的。
　　 本文提出了基于GradientBoosting算法的癲癇發(fā)作檢測(cè)方法，并與貝葉斯分類器進(jìn)行了比較分析。首先，利用小波分解技術(shù)對(duì)腦電信號(hào)進(jìn)行預(yù)處理，提取常出現(xiàn)癲癇發(fā)作活動(dòng)的頻帶;

3、其次，在所選頻帶上計(jì)算波動(dòng)指數(shù)、相對(duì)能量、功率譜密度等多個(gè)特征來(lái)定量地描述腦電活動(dòng);最后，將腦電特征向量送入已進(jìn)行過(guò)訓(xùn)練的分類器進(jìn)行分類識(shí)別，從而實(shí)現(xiàn)對(duì)癲癇發(fā)作的自動(dòng)檢測(cè)。本文利用GradientBoosting算法設(shè)計(jì)了分類器，并在國(guó)際開(kāi)源的長(zhǎng)程腦電數(shù)據(jù)庫(kù)上對(duì)其分別進(jìn)行了實(shí)驗(yàn)驗(yàn)證和評(píng)價(jià)。
　　 通過(guò)對(duì)實(shí)驗(yàn)結(jié)果的分析和對(duì)比，可以發(fā)現(xiàn)基于GradientBoosting算法的癲癇檢測(cè)方法計(jì)算量較小、運(yùn)算時(shí)間較短、實(shí)時(shí)檢測(cè)性能較強(qiáng)，