基于SVM-HMM混合模型的癲癇信號(hào)的特征提取與識(shí)別.pdf

1、癲癇是由大腦神經(jīng)元突發(fā)性異常放電引起的，使神經(jīng)中樞產(chǎn)生暫時(shí)功能性障礙反復(fù)性發(fā)作的慢性疾病。針對這種令人無從下手的反復(fù)性發(fā)作問題，在臨床醫(yī)學(xué)上通過24小時(shí)實(shí)時(shí)監(jiān)控患者腦電信號(hào)，醫(yī)生通過觀察腦電信號(hào)并通過經(jīng)驗(yàn)判斷癲癇是否發(fā)作。在學(xué)術(shù)理論中，癲癇患者的腦電信號(hào)也是作為研究的熱點(diǎn)，但是很多對癲癇腦電信號(hào)的處理方法都集中在如何獲得更準(zhǔn)確的分類效果，在癲癇腦電信號(hào)在特征提取以及對于癲癇腦電信號(hào)與正常腦電信號(hào)的量化差異和物理意義卻無法給出很好的解釋，

2、所以也無法結(jié)合臨床醫(yī)學(xué)上的實(shí)際經(jīng)驗(yàn)來對信號(hào)處理結(jié)果進(jìn)行分析。
　　本文以Bonn大學(xué)癲癇EEG信號(hào)為研究對象，主要工作有以下幾方面：
　　①首先針對癲癇腦電信號(hào)特征提取物理意義不明確問題，本文使用根據(jù)小波變換系數(shù)各尺度下對原始信號(hào)相似程度的意義對原始信號(hào)進(jìn)行小波變換，提取小波系數(shù)對癲癇病發(fā)腦電信號(hào)中的棘慢復(fù)合波進(jìn)行不同頻率尺度下的特征提取，這一過程結(jié)合了癲癇病發(fā)的臨床經(jīng)驗(yàn)，解決特征提取的隨意性。
　?、谄浯?，針對癲癇腦

3、電信號(hào)在進(jìn)行臨床診斷的經(jīng)驗(yàn)性對其進(jìn)行量化編碼，通過SVM對相似的程度進(jìn)行分類，并對各個(gè)通道的分類結(jié)果進(jìn)行重新編碼，最后通過HMM對新編碼判斷腦電信號(hào)的時(shí)序狀態(tài)和腦電信號(hào)所處狀態(tài)進(jìn)行分類，通過HMM分類的結(jié)果可以追蹤異常信號(hào)的頻帶來源，通過對癲癇發(fā)作期間不同頻帶來源的分析我們可以得到癲癇發(fā)作時(shí)的準(zhǔn)確量化分析。
　?、圩詈?，針對以往算法在進(jìn)行癲癇腦電信號(hào)分類時(shí)分類結(jié)果的不可對臨床經(jīng)驗(yàn)進(jìn)行量化分析，以及臨床經(jīng)驗(yàn)無法引入分析結(jié)果的問題，本