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、癲癇是一種嚴重危害人類健康的常見慢性腦部疾病,其發(fā)作時表現(xiàn)為大腦神經(jīng)元興奮性增高以及過度同步化放電,并導致短暫性中樞神經(jīng)系統(tǒng)功能失常。腦電圖檢查是一種有效的臨床診斷方法,它為癲癇的診斷提供了可靠的信息。由于癲癇通常是突發(fā)性的,所以需要對病人進行長時間的觀察。目前,這項任務主要是由人工視覺檢測來完成的。視覺檢測既費時,效率又低,而且視覺檢測缺乏標準的制約。癲癇腦電特征的自動識別可以解決這一問題。 癲癇特征識別是以現(xiàn)代信號處理技術(shù)為
2、基礎(chǔ)而發(fā)展的,本文的主要研究目標是在調(diào)研現(xiàn)有的癲癇腦電信號識別方法的基礎(chǔ)上,提出性能更高,可靠性更好的癲癇特征識別方法。 本課題中我們深入研究了近似熵算法及其性質(zhì),并將近似熵分析方法運用于臨床癲癇患者腦電信號的分析,證實了近似熵可以用于癲癇病患者的背景腦電信號和癇樣放電的鑒別檢測。針對近似熵存在的問題,選用一種與近似熵類似但精度更好的方法-樣本熵,并同近似熵就在癲癇腦電信號中的應用進行了比較分析。結(jié)果顯示癲癇發(fā)作時腦電信號的近似
3、熵和樣本熵均明顯低于發(fā)作前和發(fā)作后。樣本熵的變化幅度明顯大于近似熵。在算法原理上對二者進行了探討,并分別對癲癇的檢測效果進行了評價。 隨著課題的深入,我們發(fā)現(xiàn)近似熵或樣本熵在判讀癲癇發(fā)作區(qū)段具有計算量少、可靠性高等優(yōu)點,但在識別癲癇特征波類型方面就顯得無能為力了。為此我們提出復雜度的方法同小波變換相結(jié)合的方法,來實現(xiàn)對癲癇樣波的特征識別。首先探討了小波變換應用于癲癇特征識別中的可行性,然后分別采用樣本熵和小波變換對一系列含有癲癇
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
- 6. 下載文件中如有侵權(quán)或不適當內(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
- 癲癇腦電的復雜度和近似熵研究.pdf
- 腦電的復雜度分析.pdf
- 利用廣義復雜度對癲癇病發(fā)作進行預測方法的研究.pdf
- 基于顏色特征的圖像復雜度研究.pdf
- 基于電針人體穴位的腦電復雜度研究.pdf
- 基于多路腦電分析的癲癇發(fā)作預測算法初步研究.pdf
- 癲癇發(fā)作后全面腦電抑制現(xiàn)象:癲癇猝死的雙刃劍.pdf
- 61565.復雜度腦地形圖研究
- 發(fā)作期腦電在難治性顳葉癲癇手術(shù)定位中的研究.pdf
- 兒童顳葉癲癇發(fā)作初期頭皮和顱內(nèi)電極腦電特征的對比研究.pdf
- 睡眠腦電復雜度及其自動分期的研究.pdf
- 基于復雜網(wǎng)絡拓撲結(jié)構(gòu)的癲癇腦電非線性特征提取與分類方法研究.pdf
- 基于復雜度特征的通信輻射源個體識別.pdf
- 基于腦電棘波頻次和AR模型的癲癇發(fā)作預測算法.pdf
- 基于皮層腦電的癲癇腦網(wǎng)絡研究及癲癇預測探索.pdf
- 基于顱內(nèi)腦電的癲癇腦網(wǎng)絡研究.pdf
- 基于皮層腦電信息的癲癇發(fā)作早期預警研究.pdf
- 基于靜息態(tài)腦電的心因性非癲癇發(fā)作的識別算法研究.pdf
- 基于結(jié)構(gòu)復雜度特征融合的視覺注意模型研究及其應用.pdf
- 術(shù)中皮層腦電殘余癇樣放電與術(shù)后癲癇發(fā)作關(guān)系探討.pdf
評論
0/150
提交評論