基于復雜度研究腦電中的癲癇發(fā)作特征.pdf

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