腦干聽(tīng)覺(jué)誘發(fā)電位的提取分析方法研究.pdf

1、腦干聽(tīng)覺(jué)誘發(fā)電位（Brainstem Auditory Evoked Potential，BAEP）是腦誘發(fā)電位（Evoked Potentials，EP）的一種，它所包含的時(shí)域、頻域信息對(duì)于評(píng)價(jià)人體聽(tīng)覺(jué)功能、診斷神經(jīng)系統(tǒng)疾病等方面具有重要意義。目前臨床上常用的腦干聽(tīng)覺(jué)誘發(fā)電位由于疊加平均而喪失了大量的動(dòng)態(tài)信息，無(wú)法準(zhǔn)確描述腦干功能的動(dòng)態(tài)特性。因此，BAEP的單次（或少次）動(dòng)態(tài)提取是近年來(lái)腦干聽(tīng)覺(jué)誘發(fā)電位提取技術(shù)研究的熱點(diǎn)與難點(diǎn)。

2、 許多研究者將新的數(shù)學(xué)方法應(yīng)用于誘發(fā)電位的動(dòng)態(tài)提取當(dāng)中，但多數(shù)研究都假設(shè)噪聲和信號(hào)間為加法關(guān)系，這具有一定的不合理性，存在一定的缺陷。隨著數(shù)學(xué)和計(jì)算機(jī)科學(xué)的不斷進(jìn)步，有研究者將小波變換（Wavelet Transform，WT）引入到腦干聽(tīng)覺(jué)誘發(fā)電位的非線性提取中，不但摒棄了先前的假設(shè)，而且在信噪比較高時(shí)取得了良好效果。但由于小波變換本身的特性，在低信噪比（Signal Noise Ratio，SNR）情況下，其性能得不到較好發(fā)揮，使

3、得提取效果存在缺陷。 BAEP信號(hào)中所含噪聲具有一定的隨機(jī)性和不均衡性。為了提高BAEP信號(hào)的信噪比，以利于小波變換方法的實(shí)施，本文除了借助一定次數(shù)的疊加平均，還引入粗集理論對(duì)BAEP信號(hào)進(jìn)行預(yù)處理。根據(jù)粗集理論（Rough Sets Theory， RST）的基本原理，利用腦干聽(tīng)覺(jué)誘發(fā)電位信號(hào)的關(guān)鍵特征對(duì)信號(hào)進(jìn)行分類，針對(duì)不同部分進(jìn)行相應(yīng)的預(yù)處理操作，得到信噪比較高的預(yù)處理后信號(hào)。然后運(yùn)用小波變換對(duì)其進(jìn)行分解、分析、去噪和重

4、構(gòu)，以獲得BAEP的提取結(jié)果。粗集分類法和小波變換都是非線性的數(shù)學(xué)方法，因此，本文研究是對(duì)BAEP的非線性動(dòng)態(tài)提取。論文的主要工作如下： （1）首先將含噪BAEP序列作10次疊加平均，然后運(yùn)用粗集理論對(duì)含噪BAEP信號(hào)進(jìn)行動(dòng)態(tài)粗分析和特征識(shí)別，按照其特征參數(shù)閾值進(jìn)行分類，將含噪BAEP序列分為三個(gè)不同的部分：N1、N2和N3。針對(duì)不同的部分進(jìn)行相應(yīng)的操作，以實(shí)現(xiàn)對(duì)含噪BAEP序列的非線性初步濾波（即預(yù)處理）。其中運(yùn)用遺傳算法對(duì)分類

5、閾值進(jìn)行尋優(yōu)，使粗集分類過(guò)程更具科學(xué)性。 （2）運(yùn)用離散小波變換對(duì)預(yù)處理后的含噪BAEP信號(hào)進(jìn)行多分辨率分解，將原BAEP信號(hào)分解為概貌和細(xì)節(jié)兩部分。保留全部細(xì)節(jié)系數(shù)和最高層概貌系數(shù)，之后對(duì)細(xì)節(jié)系數(shù)包含的信號(hào)信息進(jìn)行相關(guān)性分析，用統(tǒng)計(jì)檢驗(yàn)方法考查其相關(guān)程度和顯著性水平，并選取相關(guān)性較好的項(xiàng)，剔除其余項(xiàng)，達(dá)到去噪目的。根據(jù)相關(guān)性分析中各細(xì)節(jié)系數(shù)的相關(guān)程度，將去噪后的細(xì)節(jié)系數(shù)進(jìn)行篩選，運(yùn)用最高層概貌系數(shù)和細(xì)節(jié)系數(shù)重構(gòu)波形，重構(gòu)后的BA