基于混沌的癲癇腦電波分析與識別.pdf

1、癲癇是一種常見的慢性神經(jīng)疾病，由大腦突發(fā)性異常放電引起，現(xiàn)已成為醫(yī)學界一大難題，嚴重地危害人類的健康。目前，腦電圖檢查是癲癇診斷的最重要的的手段之一。但大腦屬于一個混沌系統(tǒng)，醫(yī)生在實現(xiàn)對癲癇的診斷時，需對腦電信號進行長期觀測從而做出判讀，需要耗費其大量的時間及精力且易摻入醫(yī)師個人主觀傾向而導(dǎo)致結(jié)果的不準確。因此有必要提出一種借助計算機輔助的，利用腦電信號混沌特性，從而實現(xiàn)對癲癇腦電信號分類的方法。
　　當前腦電的分析方法分為兩類:

2、線性分析方法和非線性分析方法。其中線性分析方法是基于腦電信號的線性特征，如相對振幅，相對能量等，采用時域分析，頻域分析以及時頻結(jié)合的方法。非線性方法基于腦電信號的非線性特征，如近似熵、李亞普諾夫指數(shù)、長程相關(guān)性和關(guān)聯(lián)維數(shù)等特征。大腦作為非線性動力學系統(tǒng)，因此用非線性的方法來研究腦電的特性效果更好。本文采用了近似熵和李亞普諾夫指數(shù)定標指數(shù)來標識癲癇EEG的非線性特征。
　　本文選擇支持向量機（SVM）作為分類器，其突出的優(yōu)點表現(xiàn)在泛

3、化能力特別好，實現(xiàn)誤差非常小，而且該分類方法的魯棒性特別好，應(yīng)用范圍極其廣泛。
　　本文提出了兩種腦電分類方法，一種是基于李雅普諾夫指數(shù)和表征腦電信號波動強度的波幅波動值的分類方法，一種是基于近似熵和表征腦電信號幅值大小的波幅歸一值的分類方法。使用德國波恩癲癇研究室的癲癇數(shù)據(jù)，通過SVM分類器對癲癇腦電進行分類。李雅普諾夫表征了EEG時間序列對系統(tǒng)初值的敏感程度，近似熵則表征了EEG時間序列的復(fù)雜度，它們代表了腦電信號的非線性特征