基于svm-hmm混合模型的癫痫信号的特征提取与识别

《基于svm-hmm混合模型的癫痫信号的特征提取与识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于SVM-HMM混合模型的癫痫信号的特征提取与识别重庆大学硕士学位论文（学术学位）学生姓名：唐建指导教师：魏善碧副教授专业：控制科学与工程学科门类：工学重庆大学自动化学院二O一六年六月FeatureExtractionandRecognitionofEpilesySignalsBasedonSVM-HMMMixtureModelAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByJianTa

2、ngSupervisedbyAss.Prof.WeiShanbiSpecialty:ControlScienceandEngineeringCollegeofAutomationofChongqingUniversity,Chongqing,ChinaJune,2016重庆大学硕士学位论文中文摘要摘要癫痫是由大脑神经元突发性异常放电引起的，使神经中枢产生暂时功能性障碍反复性发作的慢性疾病。针对这种令人无从下手的反复性发作问题，在临床医学上通过24小时实时监控患者脑电信号，医生通过观察脑电信号并通过经验判断癫痫是否发作。在学术理论中，癫痫患者的脑电信号也是

3、作为研究的热点，但是很多对癫痫脑电信号的处理方法都集中在如何获得更准确的分类效果，在癫痫脑电信号在特征提取以及对于癫痫脑电信号与正常脑电信号的量化差异和物理意义却无法给出很好的解释，所以也无法结合临床医学上的实际经验来对信号处理结果进行分析。本文以Bonn大学癫痫EEG信号为研究对象，主要工作有以下几方面：①首先针对癫痫脑电信号特征提取物理意义不明确问题，本文使用根据小波变换系数各尺度下对原始信号相似程度的意义对原始信号进行小波变换，提取小波系数对癫痫病发脑电信号中的棘慢复合波进行不同频率尺度下的特征提取，这一过程结合了癫痫病发的临床经验，解决特征提取的

4、随意性。②其次，针对癫痫脑电信号在进行临床诊断的经验性对其进行量化编码，通过SVM对相似的程度进行分类，并对各个通道的分类结果进行重新编码，最后通过HMM对新编码判断脑电信号的时序状态和脑电信号所处状态进行分类，通过HMM分类的结果可以追踪异常信号的频带来源，通过对癫痫发作期间不同频带来源的分析我们可以得到癫痫发作时的准确量化分析。③最后，针对以往算法在进行癫痫脑电信号分类时分类结果的不可对临床经验进行量化分析，以及临床经验无法引入分析结果的问题，本文结合临床经验的经验知识与文中提出算法的分类结果相结合，通过量化分析为临床经验找到可靠的理论基础，丰富癫痫

5、病发的临床诊断经验。解决了以往算法对癫痫脑电信号分类结果的不可对临床经验进行量化分析，以及癫痫病发的临床经验无法引入分析结果的问题。关键词：癫痫，脑电信号，小波变换，支持向量机，隐马尔科夫链I重庆大学硕士学位论文英文摘要ABSTRACTEpilepsyiscausedbythesuddenbrainneuronsabnormaldischarge,makethenervecenterproducesatemporaryfunctionaldisorderrepeatabilityonsetofchronicdiseases.Forarepetitivee

6、pisodesofthisisahindrance,intheclinicalmedicinethrough24hoursreal-timemonitoringinpatientswithbrainelectricsignal,thedoctorandbyobservingtheeegsignalsbyexperiencewhetherepilepticseizures.Inacademictheory,epilepsyisalsoasaresearchhotspotofEEGsignals,butalotofepilepticEEGsignalspro

7、cessingmethodswerefocusedonhowtoobtainamoreaccurateclassificationresult,andforquantitativedifferencesofepilepticEEGandnormalEEGsignalsandphysicalmeaningbutnotverygoodexplanation,socannotbecombinedwithclinicalmedicalpracticalexperiencetoanalyzethesignalprocessingresult.Inthispaper

8、,themainworkhasthefollowingseveralaspect