癲癇腦電信號的非線性分析.pdf

1、癲癇疾病嚴重威脅著人們的身體健康。癲癇腦電分析是研究癲癇的一個重要手段。當(dāng)前,癲癇的腦電分析主要以病灶區(qū)單導(dǎo)聯(lián)或雙導(dǎo)聯(lián)皮層腦電(Electrocorticogram，ECoG)作為腦電研究對象。本文研究的腦電數(shù)據(jù)包括兩部分,一部分數(shù)據(jù)來自所設(shè)計的腦電采集實驗,為臨床采集的20導(dǎo)聯(lián)頭皮腦電(Electroencephalogram，EEG)數(shù)據(jù);另一部分數(shù)據(jù)為網(wǎng)上數(shù)據(jù)庫中提供的顱內(nèi)皮層腦電數(shù)據(jù)。本文針對腦電數(shù)據(jù)進行了復(fù)雜性、同步性和多尺度

2、等非線性分析,提取了線性分析方法無法提取的有效特征。
　　利用LZ復(fù)雜度和關(guān)聯(lián)維數(shù)等復(fù)雜度分析方法,分析了癲癇腦電數(shù)據(jù),提取了癲癇腦電的復(fù)雜度特征。分析表明,癲癇EEG的復(fù)雜度普遍低于健康EEG,癲癇發(fā)作階段的ECoG的復(fù)雜度低于發(fā)作間隙ECoG的復(fù)雜度。腦電信號的復(fù)雜度特征可以作為癲癇疾病的診斷和預(yù)測特征。
　　利用排序遞歸圖的分析方法對癲癇腦電進行了確定性的分析。分析表明,癲癇腦電的確定性特征與復(fù)雜度特征分析所得的結(jié)論一

3、致。但確定性的計算速度更快,更適合分析短時高噪且高度非平穩(wěn)腦電信號。從大腦是一個相互耦合和相互作用的復(fù)雜網(wǎng)絡(luò)的觀點出發(fā),提出了利用排序互信息的方法研究不同導(dǎo)聯(lián)之間的信息傳輸,對EEG進行多導(dǎo)聯(lián)同步性分析。分析表明,癲癇患者的大腦不同區(qū)域之間的信息交流明顯強于健康對象,即癲癇患者的大腦同步性明顯增強。
　　利用小波分解和小波重構(gòu)技術(shù),得到不同節(jié)律(頻帶)的腦電信號。分析了小波熵、復(fù)雜度和確定性特征在不同節(jié)律下的變化規(guī)律。分析表明,這

4、些特征在不同節(jié)律中的變化規(guī)律并不相同。通過單獨分析子頻帶,可以提取潛藏在癲癇腦電信號中的更精確的信息。
　　提出了將基于無跡卡爾曼濾波(Unscented Kalman Filter，UKF)的神經(jīng)網(wǎng)絡(luò)作為癲癇腦電特征的分類器。UKF算法通過迭代運算可快速估計神經(jīng)網(wǎng)絡(luò)的權(quán)值,解決神經(jīng)網(wǎng)絡(luò)的訓(xùn)練問題。結(jié)果表明,該分類器的分類性能優(yōu)于線性判別分析(Linear Discriminant Analysis，LDA)分類器。
　　本