基于奇异谱分析和人工神经网络模型的癫痫发作预测研究

《基于奇异谱分析和人工神经网络模型的癫痫发作预测研究》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、河北工业大学硕士学位论文基于奇异谱分析和人工神经网络模型的癫痫发作预测研究摘要癫痫是大脑皮层神经元高度同步化放电而引起的一种脑功能紊乱症。癫痫除发作期和发作间隙期外，还有发作前期，这个时期是从发作间隙期向发作期的转化时期。若能在发作前期检测到癫痫发作的先兆症状，提前预报癫痫发作，对患者实施充分的预防和保护措施，就能极大地降低癫痫发作造成的伤害，提高患者的生活质量。开展基于头皮脑电(ScalpEEG)分析的预测研究，提高预测效果，是癫痫发作预测研究的关键问题。本文所采用的奇异谱分析(SingularSpectrumAnalysis—SSA)方法是一种线性分析方法，适合于短时间

2、序列分析，可有效实现癫痫预测。具体工作如下：第一步，利用窗口移动法把记录的EEG信号分割成连续等长的EEG。结合癫痫发作的临床特征，取出发作前期数据，至于和发作距离的时间(即预测时间)要进行多次试验，在不影响预测的前提下得出最大值，本次实验所得最大预测时间为100秒；第二步，利用Cao法对所截取的EEG数据进行相空间重构，从而研究基本的非线性动力学系统，为在此基础上计算奇异谱选择最佳非线性参数。这里的主要工作是确定延时τ和嵌入维数m，分析所得结果为τ=5，m=15为适合本课题的最佳相空间重构参数；第三步，计算每个被噪声污染的EEG数据相空间的奇异谱，从中寻找癫痫发作前期脑电

3、信号奇异谱的特征。实验结果表明：健康人脑电奇异谱起始的值很大，之后迅速降低至很小的值。我们称这一小值区间为“噪声平台”。而对于癫痫病人脑电奇异谱，则是缓慢的下降，不像健康人那样存在“噪声平台”。除了比较癫痫病人与正常人脑电的奇异谱外，论文还讨论了局部癫痫发作病例，结果表明该方法能够很好的区分发作区和正常区域。第四步，为了定量分析健康人和癫痫病人奇异谱的区别，我们应用反向传播(BackPropagation—BP)神经网络模型作为一种分类器，对这两种奇异谱进行分类。结果表明，该网络能够很好的区分健康人和癫痫病人的奇异谱。有力的证明了该方法的有效性。实验表明该方法具有以下优点：

4、由于采用了线性分析方法，因此在计算复杂度上要低于传统的非线性动力学分析方法；所用癫痫发作前期EEG数据非常短，仅仅4秒钟(512点)．但是计算出的健康人奇异谱和癫痫病人奇异谱存在明显的差异，并能够通过BP神经网络进行很好的分类；由于实验所用数据为便于采集的头皮EEG，且预测效果明显，因而也说明该方法具有很好的临床应用前景。关键词：癫痫发作预测，奇异谱分析，EEG，人工神经网络I河北工业大学硕士学位论文PREDICTIONOFEPILEPTICSEIZURESUSINGTHESINGULARSPECTRUMANALYSISANDTHEARTIFICIALNEURALNETWO

5、RKSABSTRACTTheepilepsyisakindofthebrainmalfunction,whichiscausedbythesuper-synchronydischargeinthecerebralcorticalneurons.Atpresent,researchprovedthatseizurescanbedetectedearlybeforetheonsetofseizurestogreatlyreducetheharmscausedbytheseizuresandtoimprovethelifequalityofthepatients.Thus,the

6、forecastmethodbecomesimportant.Sofar,thescalpEEGdataisverywellusedintheresearch.Thispaperproposesthesingularspectrumanalysis(SSA)methodtoinvestigatethepredictionmethodsuitableforsomeshortperiodoftimeseries.Thismethodislinear,simpleandeffectiveintheproject.Followingsarethedetails:Atfirst,th

7、epre-ictalEEGrecordingsareequallysegmented.Theforecasttime,whichisdefinedasthetimedistanceadvancetheonsetofthefullseizure,isneeded.Inordinary,itispermittedasthemaximumvaluesfromtheexperimentalexperience,here,itischosenas100seconds.Then,theCaomethodisusedtocalc