腦電信號的特征提取與分類分析案例目錄TOC\o"1-3"\h\u613腦電信號的特征提取與分類分析案例 1105091.1以癲癇病為例 1134061.2數據的提取 1148451.2.1信號預處理 15431.2.2數據組來源 1285851.2.3數據處理與仿真 188091.2.4根據特征的分類 41.1以癲癇病為例癲癇是一種由多種病因引起的慢性腦部疾病，以腦神經元過度放電導致反復性、發(fā)作性和短暫性的中樞神經系統功能失常為特征。令人難以置信的是大腦電信號包含大量的身體信息和精神障礙。這些癥狀是神經系統的癥狀和癥狀，特別是癲癇。目前癲癇治療的基本原理多為藥物治療和手術，但藥物治療只對部分患者有效。當腦損傷手術集中或擴散時，也有一些副作用。由手術損傷或主要不可手術活性化合物異常引起的并發(fā)癥是對大腦中電活動的研究。專門從事活動的技術是準確和快速的，并且不會對癲癇發(fā)作大腦中電氣系統的特性構成威脅。對于腦內熵癲癇、切除疾病的診斷、預防性治療及相關研究具有重要意義。MF-DFA分析將是癲癇診斷的良好參考。1.2數據的提取1.2.1信號預處理這一步的目的是為了提高腦電信號的信噪比，以此來凸顯出腦電信號中所包含的我們感興趣的信息，通常采用的方法有直接相減或者卡爾曼濾波的方法來解決。1.2.2數據組來源本論文所使用的數據均來自于網絡腦電圖數據庫與知乎用戶提供，該組數據均為某醫(yī)院真實臨床病例，本章首先研究癲癇病人的腦電信號的特征，共有癲癇患者八名，患者為年齡均勻分布于25歲至55歲的男女各四名。對照組也同樣設置年齡、人數和性別均與前者相似的正常人的腦電信號數據，以此方便與實驗組數據進行對照，并且同時可以盡量的減小其他因素對實驗造成的誤差。1.2.3數據處理與仿真腦電信號的特征提取和分類的方法有很多，我們本次只采用單一種類信息法來完成，也就是說只根據時域均值或者頻域頻率來分類。本次實驗所選取的為在波形函數較為穩(wěn)定后的10到11秒之間的數據進行處理，數據節(jié)點選取210點即1024點，區(qū)間長度s取值s=2。圖4-1癲癇病人腦電信號MF-DFA仿真曲線圖4-1是癲癇病人在發(fā)病時的腦電信號在經過MF-DFA處理后得到數據進行仿真得到的結果。我們從中不難發(fā)現癲癇病人在發(fā)病時的腦電信號非常復雜而且起伏十分巨大，但是對于不同的病人來說發(fā)病時的波動差距也不盡相同，比如深藍色曲線的1856曲線對應的病人腦電信號起伏就十分巨大，而紫色的2028曲線對應的病人起伏就相對較小，這也說明了同一種病癥的病人的腦電信號也會有較大的不同。圖4-2正常人的腦電信號MF-DFA仿真曲線圖4-2是正常人的腦電信號經過MF-DFA處理后得到數據的仿真曲線。我們可以與圖4-1的癲癇病人發(fā)病時的腦電信號圖像做一個大致的比較，我們不難發(fā)現正常人的腦電信號一般來說較為穩(wěn)定，不會出現突然之間較大起伏的情況，這說明正常人正常狀況下腦電信號之間不會不出很大的差別，但也不是完全相同的，因此為了更加直觀的比較，我們可以采用各自取其平均值的辦法來直觀的反映正常人與癲癇病人的腦電信號的區(qū)別。圖4-3正常人與癲癇病人的平均值我們各自取平均值并放入同一圖表中得到圖4-3，從這張圖中結果更加一目了然，正常人的腦電信號平均值明顯高于癲癇病人的平均值，而且正常人的腦電信號狀況也更加平穩(wěn)，不像癲癇病人一樣會出現較大的起伏，這也是癲癇病人的腦電信號區(qū)別于正常人的兩大不同。在實驗過程中，為了保證實驗的完整性與準確性，還要再驗證使用分析方法是否有用，我們可以對另一個癲癇病人的長時段腦電信號進行分析。如圖4-4中，我們可以看到癲癇病人在發(fā)病期間腦電信號有著非常明顯的上下起伏，這也與我們的分析曲線相符合，其次我們也容易發(fā)現病患在發(fā)病期間的腦電信號復雜程度與正常時有明顯的差異，并且我們的曲線下降與上升的時間與病人的發(fā)病時間也十分符合，因此我恩可以認為我們的分析方法對于癲癇病的分析是正確無誤的。圖4-4癲癇病人腦電信號的時域曲線與分析曲線1.2.4根據特征的分類我們在進行分類操作時也可以選擇多種方法完成，我們這里使用支持向量機方法里的最優(yōu)分類面來解決。我們在求解最優(yōu)分類面時一般將其代換為求拉格朗日乘子式L(w,b,a)=1/2*‖w‖2_的最小值，其中2/‖w‖為分類間隔，ai>0為拉格朗日系數，這個優(yōu)化解又要同時滿足庫恩塔克條件，因此最終得到的函數為：f(x)=sgn{(w**x)+b*}=sgn{,其中sgn（）為符號函數。值得注意的是在線性狀態(tài)下會出現不可分的現象，所以要在附加一個限制條件εi≧0，我們就可以進一步將函數求值簡化為求解的極小值，其中C是一個確定的常數。圖4-5腦電信