基于穩(wěn)態(tài)分布的癲癇檢測研究及在線預警系統(tǒng)開發(fā).pdf

1、癲癇作為導致短暫大腦功能障礙的一種慢性疾病，在中國已經(jīng)成為神經(jīng)科僅次于頭痛的第二大常見病。臨床主要表現(xiàn)為痙攣、意識喪失等，會對患者的身心、智力等產(chǎn)生非常嚴重的影響。目前常見的治療手段包括藥物治療和手術治療等，其中約有70％的患者能夠通過藥物治療得到控制，約有15％左右的患者能夠通過手術治療使癲癇發(fā)作得到控制或者治愈。由于癲癇本身發(fā)病原因和發(fā)病機制非常復雜，診斷和治療非常困難，仍舊有15％左右的難治性癲癇患者無法通過傳統(tǒng)的藥物和手術得到治

2、愈。
　　隨著大腦電刺激方法在一些功能障礙治療中取得的成功，它也開始逐步地應用到癲癇的治療中。電刺激治療主要分為兩種方式:開環(huán)電刺激和閉環(huán)電刺激。開環(huán)電刺激一般采用固定的脈沖進行電刺激，電刺激量大，易對患者大腦造成損傷，在臨床中并未得到廣泛應用。閉環(huán)電刺激也即反應性電刺激，是指通過監(jiān)測大腦活動情況并進行實時的癲癇預警，當判斷為癲癇發(fā)作時給予電脈沖來干預神經(jīng)元活動，從而抑制癲癇的發(fā)作。目前，閉環(huán)電刺激治療癲癇已經(jīng)成為癲癇治療領域的一

3、個熱點問題。本文主要圍繞閉環(huán)電刺激治療癲癇這個問題，著重于探索閉環(huán)電刺激中的高效癲癇檢測算法和開發(fā)完整的在線預警系統(tǒng)。本文主要貢獻如下：
　　1)針對頭皮腦電信號中噪聲會導致癲癇檢測誤檢率高的問題，本文建立了基于穩(wěn)態(tài)分布觀察噪聲的狀態(tài)空間模型算法。目前已有的一些癲癇檢測算法的魯棒性不夠好，主要的原因是當出現(xiàn)噪聲信號時，算法的誤檢率較高。在頭皮腦電信號中存在由于眨眼和肌肉活動等引起的噪聲信號，這些噪聲信號和癲癇發(fā)作信號表現(xiàn)出了相似的

4、形態(tài)學特征，進而會導致目前已有的癲癇檢測算法的誤檢率較高。本文從如何抑制去除這類噪聲，降低誤檢率的方面提出了用穩(wěn)態(tài)分布來擬合頭皮腦電中噪聲信號的狀態(tài)空間模型。該模型的輸入為從腦電信號中提取的多種特征，其中的觀察模型采用非線性的函數(shù)。由于穩(wěn)態(tài)分布相對于高斯分布來說可以擬合非對稱、重尾分布的噪聲，這使得它在擬合頭皮腦電中出現(xiàn)的瞬時噪聲信號的能力強于高斯分布。
　　2)針對目前閉環(huán)電刺激治療癲癇的實驗需求，本文開發(fā)了一套在線預警系統(tǒng)。整

5、個系統(tǒng)包括動物模型、硬件設備和軟件平臺等部分，其中的軟件平臺是本文的工作內容。我們的軟件平臺能夠進行實時的信號顯示與存儲、參數(shù)設置和癲癇預警抑制等功能，具有可擴展性、可適配性強的優(yōu)點，能夠支持不同信號放大器作為信號輸入源，支持不同的電刺激器和選擇多種癲癇預警算法。
　　3)在癲癇檢測算法方面，本文的癲癇檢測模型在9位癲癇患者腦電信號的癲癇檢測實驗中，檢測率和誤檢率都取得了最好的效果。通過對比不同的模型和方法，詳細闡述了本文的模型是