癫痫脑电信号提取及自动检测方法

《癫痫脑电信号提取及自动检测方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、癫痫脑电信号分析方法癫痫是困扰人类健康的常见疾病之一，是一种患病率较高的脑部疾病。从电生理学的角度来看，其发病是由大脑内的神经元沿着神经回路产生高频率的异常放电所导致的。这些高频放电可诱发大脑皮质各区的强直发作，同时会伴随着意识消失等症状。脑电图(EEG)是癫痫疾病诊断过程中非常重要的一个手段，癫痫发作时产生的特殊波形如棘波、尖波等都可以通过脑电图体现出来。1.癫痫脑电信号特征脑电活动的频率和节律在正常情况和癫痫发作的情况下有很大的区别，当癫痫疾病发作时，就会出现与正常脑电信号不同的信号波形，癫痫脑

2、电信号的特点是幅值较高的阵发性的瞬态波形,它的频率和波形各式各样,主要可以分为下面四类:1.1棘波:多数棘波都是负相,且幅值在100μV以上。棘波通常是原发病灶的一个特征，从原发性病灶描记出现的棘波，其背景脑电图经常有慢活动，是比较典型的癫痫波。1.2尖波:尖波也是癫痫发作时较为常见的波形，典型的尖波是由较快的上升支和缓慢的下降支组成的，波形为锯齿状。尖波的幅值范围一般处于100μV与200μV之间。1.3棘慢复合波:棘慢复合波是癫痫小发作时的特殊形式的放电，为2.5～3次/秒的复合波。它的节律性和

3、规则性比较强，多以负相波形式出现，慢波是其主要成分。棘波在慢波的升支或者降支上出现，幅值大小不一，一般都比较高。棘慢复合波多见于局限性癫痫。1.4尖慢复合波:尖慢复合波常见于颞叶癫痫，是1.5～2.5次/秒的复合波，它经常同时出现几类不同的形式。弥漫性慢波节律出现在癫痫的顽固性大发作或者失神性小发作中。2癫痫脑电特征提取方法2.1基于多分辨率分析的癫痫脑电特征提取方法脑电活动的频率和节律在正常情况和癫痫发作的情况下有很大的区别，癫痫脑电信号的特征波主要有棘波、尖波、棘慢复合波、尖慢复合波等。在临床E

4、EG检查中，最重要的是识别EEG中是否出现棘波和尖波[1]，这些脑电波大致在8～42Hz5的频率范围内出现。因此在研究癫痫脑电信号时，可以选择分析这一频率范围附近的信号，这样可以在一定程度上减少运算量，并且提高癫痫脑电信号的识别效果。1989年，Mallat和Meyer在多分辨率分析的基础上提出了一种快速算法，即Mallat算法。在采用Mallat算法对脑电信号进行小波分解时，首先要确定合适的小波基函数，常用的小波函数有Haar小波、Daubechies小波、Mexicanhat小波和Symlets

5、小波等。2.2基于非线性动力学的癫痫脑电特征提取人的大脑是由许多互相连接的神经细胞所构成的一个复杂的非线性系统。脑电信号也呈现出复杂多变的特性，随着脑电信号研究方法的不断进步，EEG信号以及大脑神经元活动体现出的非线性和混沌特性逐渐被人们所发现。据此可知非线性的分析方法更能体现出脑电信号的特点和机制[2]。随着非线性动力学方法的不断发展和完善，使其成为脑电信号分析处理中较为先进和热门的方法之一。在非线性动力学方法中，复杂性分析是近年来脑电信号序列研究中的一个很受欢迎的领域。复杂性分析很大的一个优点在

6、于分析时间序列数据时所需要的数据量很小。相比于其他非线性方法如李雅普诺夫指数[3]、关联维数[4]等，它仅需要几百个或者几千个数据点来描述整个系统。而李雅普诺夫指数、关联维数等方法在参数估计过程中对数据量的要求比较高，因此在实际应用中实施起来比较困难。近似熵就是一种较为常用的复杂性分析方法，它的优点在于对数据大小的要求较低，仅需比较少量的数据就可以取得相对较稳定的估计值。在信息论中，“熵”体现的是对不确定性的一种度量。熵是与可预测性以及随机性相关的一个概念。一般情况下，熵的值越高，系统越趋向于不规律

7、性和随机性。近似熵的方法是Pincus[5]在1991年提出的，它被定义为一个时间序列在某一长度的模板具有相似性的前提下，在下一个增量时相似的概率，它可以表征时间序列的复杂程度。与其他非线性方法相比,近似熵对噪声和干扰相对不敏感且可以被应用到较短的时间序列中。然而近似熵在计算时会产生偏差,这些偏差会致使近似熵对细小的复杂性变化不敏感。因而有必要改进近似熵的算法，来消除这种偏差造成的影响。Richman和Moorman等人对近似熵进行了改进,提出了一种新的方法，称为样本熵[6]。样本熵也是度量时间序列

8、复杂度的方法之一，它显示了系统中新信息生成的速率。样本熵的值越大,表明时间序列的自我相似度越低，系统产生新信息的速率越大，信号复杂度越高。反之则表明时间序列的相似度高，信号趋向于较高的规律性。53脑电信号的传统分析方法3.1时域分析法早期的脑电信号波形特征都是靠肉眼的观察与分析来提取的，计算机的出现使得人们可以直接从时域中提取出有用的波形特征。因此，时域分析法是脑电信号分析中最早使用的方法。其优点在于时域中包含了脑电的全部信息，并且对时域中波形的分析非常直观，可以体现