基于隱馬爾可夫模型和符號條件熵的異常生理信號研究.pdf

1、異常生理電信號的收集和分析對于評估病患人體機能的狀態(tài)具有重要的意義，并且能夠幫助醫(yī)生更好地進行疾病的診斷和治療。本文在前人工作的基礎上，從實際應用和理論分析兩個角度分別對異常腦電信號和異常心電信號進行研究，具體的工作有如下幾個部分：
　?。?）基于隱馬爾可夫模型的癲癇腦電信號識別算法
　　癲癇腦電的采集需要醫(yī)生長期觀測患者的腦電圖，并且根據(jù)經(jīng)驗做出判斷。自動化的癲癇腦電識別方法可以減輕醫(yī)生工作量，減少主觀因素的影響。本文使用

2、AR模型對腦電信號進行特征提取，隱馬爾可夫模型（Hidden Markov Model，HMM）作為正常腦電和癲癇腦電的分類工具，可以準確區(qū)分正常腦電和癲癇腦電。仿真結(jié)果表明，癲癇腦電的識別率可達90％。使用隱馬爾可夫模型建模的方法對正常腦電信號和癲癇腦電的識別率較高，算法可以達到癲癇腦電自動識別的要求。
　　（2）基于符號條件熵的心電信號冗余信息分析
　　論文從混沌理論普適性的角度出發(fā)，提出了一種使用符號條件熵的冗余信息計

3、算方法，分析正常ECG和心肌梗塞異常ECG中含有的冗余信息，數(shù)值計算證明心肌梗塞異常ECG中含有的冗余信息相比于正常ECG來說更大，這表明冗余信息可以作為區(qū)分心電信號是否異常的一個指標。
　?。?）基于Java平臺的生理電信號分析系統(tǒng)的設計與實現(xiàn)
　　論文將上述兩種腦電、心電生理電信號的分析算法通過java語言進行了編程實現(xiàn)。首先，分析系統(tǒng)可以對癲癇異常腦電信號和正常腦電信號進行區(qū)分，并且顯示出識別率；其次，分析系統(tǒng)可以計算