1、腦電圖檢查是一種有效的臨床診斷方法,它為一些大腦異常病癥(如癲癇和腦腫瘤)的診斷提供了可靠的信息.由于癲癇通常是突發(fā)性的,所以需要對病人進行長時間的觀察.目前,這項任務主要是由人工視覺檢測來完成的.視覺檢測即費時,效率又低,而且視覺檢測缺乏標準的制約.癲癇腦電特征的自動識別可以解決這一問題.癲癇特征識別的發(fā)展是以現(xiàn)代信號處理技術的發(fā)展為基礎的,本文的主要研究目標是在調研現(xiàn)有的癲癇腦電信號識別方法的基礎上,提出性能更高,可靠性更好的癲癇特

2、征識別方法.本文主要從模式分類器的角度對癲癇特征的識別進行研究,以小波變換、非線性能量算子、神經網絡和支持向量機等技術為工具.具體的內容如下:首先,研究目前國內外癲癇特征識別與提取的現(xiàn)狀,歸納總結存在的方法和技術,綜述它們的性能及優(yōu)缺點.其次,對小波變換、非線性能量算子、棘波參數(shù)提取及神經網絡相關技術做了較細致地研究,分析各技術的優(yōu)勢,實現(xiàn)了一種基于腦電信號特征提取的癲癇波綜合檢測判決方法,在對真實腦電信號的實驗中,取得了較好的結果,在

3、有效檢測出癲癇特征的同時,減少了偽差(即噪聲)的影響,增強了系統(tǒng)的可靠性.第三,從模式識別與分類的角度,研究目前較熱門的技術——支持向量機理論及算法,將其應用于棘波、非棘波的分類,并與神經網絡分類器的結果作了對比.實驗表明:支持向量機分類器在靈敏度和漏檢率方面,有較好的結果.而且,支持向量機泛化能力強的優(yōu)點使其在對癲癇放電后期附著在慢波上的棘波切跡有較好的識別效果,為醫(yī)生提供了較多的病理信息.最后,結合本文理論研究工作,對目前市場上的腦