基于EMD-L1特征及Boosting算法的癲癇檢測.pdf

1、癲癇是由許多因素引起的慢性大腦功能紊亂綜合征，以大腦神經(jīng)元超同步放電為特征，并具有陣發(fā)性、緊急性和臨時腦功能障礙的特性[1]。據(jù)不完全統(tǒng)計結(jié)果顯示，全球約有0.5％～2％的人正飽受癲癇的折磨[2]。由于癲癇是一種慢性病，并且長期反復(fù)發(fā)作，所以它不僅使病人在身體上受折磨，而且在一定程度上導(dǎo)致病人的精神和社會心理障礙。癲癇的發(fā)病機理十分復(fù)雜，多數(shù)情況下無法查明病因并且很難治愈。EEG信號中包含的生理和病理信息豐富，所以腦電圖檢測是腦部疾病診

2、斷的一種有效方法，常為臨床診斷所采用。腦電圖可以將人的腦電信號以圖像的形式展示出來，向醫(yī)生提供真實可靠的信息，以幫助醫(yī)護人員及時準確的了解病人的病情。但是癲癇腦電信號的分析通常是依靠醫(yī)護人員用肉眼觀看電腦圖并結(jié)合多年的臨床經(jīng)驗來做出判斷，由于腦電信號復(fù)雜度較高并且持續(xù)時間較長，所以僅僅依靠醫(yī)生多年的臨床經(jīng)驗來對腦電信號進行鑒別是不現(xiàn)實的。因此，設(shè)計一種可以對腦電信號進行自動分類檢測的系統(tǒng)，不僅能解放醫(yī)務(wù)人員的勞動力，而且還能提供出更加準

3、確的分析結(jié)果，從而更利于醫(yī)務(wù)人員對病人進行后續(xù)的處理。
　　由于自動發(fā)作檢測系統(tǒng)通過減少所需觀察的數(shù)據(jù)量來降低了長期監(jiān)測所需的代價，所以成為了腦電檢測的重要組成部分。最早得到廣泛應(yīng)用的技術(shù)是由Gotman提出和完善的[3]。近幾年來，癲癇腦電分類逐漸成為一個熱門領(lǐng)域，人們不斷提出一些新方法來分析腦電信號，例如Gabor變換、小波變換等。于此同時，從腦電信號中所提取出的不同特征對最終的分類結(jié)果影響也是很大的。到目前為止已有多種特征被

4、提出，如:波動指數(shù)、相關(guān)維數(shù)[4]、Hurst指數(shù)[5]、最大Lyapunov指數(shù)[6]等等。這些特征都是經(jīng)常用來進行腦電分類的特征，并且都取得了不錯的分類效果。在本次實驗中，我們將EarthMover'sDistance(EMD)特征從圖像處理領(lǐng)域移植到腦電檢測領(lǐng)域，作為一種新的分類特征來對腦電進行分類檢測。EarthMover'sDistance最早用來作為分布、標記和直方圖的度量標準，是Rubner等人在20世紀末時提出的一種新的

5、圖像處理方法。EMD可簡單的比作一種線性規(guī)劃問題。在線性規(guī)劃問題中，需要對一個具有一定限制條件的代價函數(shù)計算其最小總體代價。EMD算法的具體實現(xiàn)是，我們先把一個已知分布作為球形表面的突出部分，然后把另外一個分布作為球形表面的凹陷部分，而用EMD算法所得到的就是將兩個分布還原成整個光滑球體所需要的最小代價。
　　設(shè)計一個新的具有高靈敏度和低錯誤檢測率的發(fā)作檢測系統(tǒng)是很難的。任何一個分類系統(tǒng)都至少需要用三個指標對其分類性能進行評估，而

6、其中的靈敏度和誤檢率一直以來就是一對矛盾，此消彼長。因此，在二者之間找到一個合適的權(quán)衡是近幾年來許多研究者研究的內(nèi)容。先前的工作已經(jīng)提出了多種技術(shù)。本文中，我們提供一個用戶可調(diào)閾值來提供一個靈敏度和可接受誤檢率之間的權(quán)衡。
　　論文具體內(nèi)容如下:首先介紹腦電信號的形成機理，癲癇發(fā)病時腦電的特點以及目前國內(nèi)外關(guān)于癲癇腦電自動檢測方法的研究現(xiàn)狀，分析并比較各種方法的優(yōu)缺點。其次，結(jié)合現(xiàn)有方法及特征，提出基于EMD特征的癲癇腦電自動分類