基于奇異譜分析和人工神經網絡模型的癲癇發(fā)作預測研究.pdf

1、癲癇是大腦皮層神經元高度同步化放電而引起的一種腦功能紊亂癥。癲癇除發(fā)作期和發(fā)作間隙期外，還有發(fā)作前期，這個時期是從發(fā)作間隙期向發(fā)作期的轉化時期。若能在發(fā)作前期檢測到癲癇發(fā)作的先兆癥狀，提前預報癲癇發(fā)作，對患者實施充分的預防和保護措施，就能極大地降低癲癇發(fā)作造成的傷害，提高患者的生活質量。開展基于頭皮腦電(ScalpEEG)分析的預測研究，提高預測效果，是癲癇發(fā)作預測研究的關鍵問題。本文所采用的奇異譜分析(Singular Spectru

2、m Analysis —SSA)方法是一種線性分析方法，適合于短時間序列分析，可有效實現(xiàn)癲癇預測。 具體工作如下： 第一步，利用窗口移動法把記錄的EEG信號分割成連續(xù)等長的EEG。結合癲癇發(fā)作的臨床特征，取出發(fā)作前期數(shù)據，至于和發(fā)作距離的時間(即預測時間)要進行多次試驗，在不影響預測的前提下得出最大值，本次實驗所得最大預測時間為100秒；第二步，利用Cao法對所截取的EEG數(shù)據進行相空間重構，從而研究基本的非線性動力學系

3、統(tǒng)，為在此基礎上計算奇異譜選擇最佳非線性參數(shù)。這里的主要工作是確定延時τ和嵌入維數(shù)m ，分析所得結果為5 τ= ， 15 m = 為適合本課題的最佳相空間重構參數(shù)；第三步，計算每個被噪聲污染的EEG數(shù)據相空間的奇異譜，從中尋找癲癇發(fā)作前期腦電信號奇異譜的特征。實驗結果表明：健康人腦電奇異譜起始的值很大，之后迅速降低至很小的值。我們稱這一小值區(qū)間為“噪聲平臺”。而對于癲癇病人腦電奇異譜，則是緩慢的下降，不像健康人那樣存在“噪聲平臺”。除了

4、比較癲癇病人與正常人腦電的奇異譜外，論文還討論了局部癲癇發(fā)作病例，結果表明該方法能夠很好的區(qū)分發(fā)作區(qū)和正常區(qū)域。第四步，為了定量分析健康人和癲癇病人奇異譜的區(qū)別，我們應用反向傳播(Back Propagation—BP)神經網絡模型作為一種分類器，對這兩種奇異譜進行分類。結果表明，該網絡能夠很好的區(qū)分健康人和癲癇病人的奇異譜。有力的證明了該方法的有效性。 實驗表明該方法具有以下優(yōu)點：由于采用了線性分析方法，因此在計算復雜度上要低