基于混沌的癲癇腦電波分析與識(shí)別.pdf

1、癲癇是一種常見(jiàn)的慢性神經(jīng)疾病，由大腦突發(fā)性異常放電引起，現(xiàn)已成為醫(yī)學(xué)界一大難題，嚴(yán)重地危害人類的健康。目前，腦電圖檢查是癲癇診斷的最重要的的手段之一。但大腦屬于一個(gè)混沌系統(tǒng)，醫(yī)生在實(shí)現(xiàn)對(duì)癲癇的診斷時(shí)，需對(duì)腦電信號(hào)進(jìn)行長(zhǎng)期觀測(cè)從而做出判讀，需要耗費(fèi)其大量的時(shí)間及精力且易摻入醫(yī)師個(gè)人主觀傾向而導(dǎo)致結(jié)果的不準(zhǔn)確。因此有必要提出一種借助計(jì)算機(jī)輔助的，利用腦電信號(hào)混沌特性，從而實(shí)現(xiàn)對(duì)癲癇腦電信號(hào)分類的方法。
　　當(dāng)前腦電的分析方法分為兩類:

2、線性分析方法和非線性分析方法。其中線性分析方法是基于腦電信號(hào)的線性特征，如相對(duì)振幅，相對(duì)能量等，采用時(shí)域分析，頻域分析以及時(shí)頻結(jié)合的方法。非線性方法基于腦電信號(hào)的非線性特征，如近似熵、李亞普諾夫指數(shù)、長(zhǎng)程相關(guān)性和關(guān)聯(lián)維數(shù)等特征。大腦作為非線性動(dòng)力學(xué)系統(tǒng)，因此用非線性的方法來(lái)研究腦電的特性效果更好。本文采用了近似熵和李亞普諾夫指數(shù)定標(biāo)指數(shù)來(lái)標(biāo)識(shí)癲癇EEG的非線性特征。
　　本文選擇支持向量機(jī)（SVM）作為分類器，其突出的優(yōu)點(diǎn)表現(xiàn)在泛

3、化能力特別好，實(shí)現(xiàn)誤差非常小，而且該分類方法的魯棒性特別好，應(yīng)用范圍極其廣泛。
　　本文提出了兩種腦電分類方法，一種是基于李雅普諾夫指數(shù)和表征腦電信號(hào)波動(dòng)強(qiáng)度的波幅波動(dòng)值的分類方法，一種是基于近似熵和表征腦電信號(hào)幅值大小的波幅歸一值的分類方法。使用德國(guó)波恩癲癇研究室的癲癇數(shù)據(jù)，通過(guò)SVM分類器對(duì)癲癇腦電進(jìn)行分類。李雅普諾夫表征了EEG時(shí)間序列對(duì)系統(tǒng)初值的敏感程度，近似熵則表征了EEG時(shí)間序列的復(fù)雜度，它們代表了腦電信號(hào)的非線性特征