基于多通道的睡眠呼吸暂停检测

目的 为了提高检测性能和验证不同生理信号对睡眠呼吸暂停的检测结果,本文提出一种信号叠加和通道相加检测睡眠呼吸暂停的方法。方法 首先对100例睡眠呼吸障碍患者的心电(electrocardiogram, ECG)和脑电(electroencephalogram, EEG)信号通过小波阈值方法进行预处理,其次进行通道相加和信号叠加,然后通过Relief特征选择算法对30个特征进行分析,最后采用支持向量机(support vector machine, SVM)构建睡眠呼吸暂停分类模型,并验证该模型的准确性。结果 实验结果表明,通道相加和信号叠加时睡眠呼吸暂停检测的最高准确率分别为96.24%和96.18%。结论 ECG和EEG两种信号叠加和通道相加的方法均可提高睡眠呼吸暂停检测结果,且X2(ECG)和C3-A2(EEG)通道相加检测结果最好。     

伴有中央颞区棘波儿童良性癫(癎)的临床与EEG

目的:探讨伴中央-颢区棘波放电的儿童良性癫(癎)(BECT)的临床及脑电图(EEG)特征.方法:对46例BECT患儿的临床及EEG资料进行回顾性分析.结果:本组患儿发病年龄为2.5～12.5岁;31例(67%)的发作与睡眠密切相关,8例(17%)于睡眠和觉醒时均有发作,7例(15%)只在觉醒时发作;24例(52%)表现为部分性发作,13例(28%)为部分性发作继发全身性发作,9例(19%)表现为混合发作和不典型发作.发作间期EEG均有一侧或双侧中央和(或)中颢区尖波或棘波,清醒EEG阳性率为33%,睡眠EEG阳性率为85%.结论:BECT是与年龄相关的癫(癎)综合征,是一种预后较好的良性癫(癎),认识其临床和EEG演变的特点及规律,可提高对BECT的检出率.     

基于经验模式分解的脑电棘波检测方法

脑电癫痫特征波自动提取对于患者的诊断以及减轻医生的繁重劳动都具有重要意义。本研究结合经验模式分解(EMD)技术提出了一种基于经验模式分解的脑电棘波检测新方法。这种方法提取出EEG信号中与棘波信号相关的高频成分,计算其Hilbert变换后的瞬时幅值,进而检测出棘波信号。对临床EEG数据检测的结果表明,这种方法能有效地从复杂的背景EEG信号中检出棘波,具有良好的应用前景。     

儿童睡眠行为障碍24 h脑电图监测分析

目的:观察睡眠行为障碍患儿的脑电图(EEG)改变,探讨其对临床诊断及鉴别诊断的价值.方法:对50例睡眠行为障碍患儿进行24 h EEG监测.结果:EEG中癎样波10例,检出率为12.5%.其中9例癎样波有局灶或局灶性偏胜.拟诊梦游症20例中,癎样波检出6例,检出率为30%;拟诊夜惊28例中,4例有癎样波,检出率为14.3%;拟诊梦魇2例,均为正常EEG.在描记中8例有临床发作,其中梦游及夜惊7例,均发生在NREM Ⅲ～Ⅳ期, EEG显示阵发性高幅δ、θ、α混合波型;梦魇1例发生在REM期, EEG显示觉醒波型.结论:儿童睡眠行为障碍中有一定数量患儿实际为癫癎, EEG在临床诊断及鉴别诊断方面有一定价值.     

脑电棘波的神经网络的检测研究

脑电棘波的神经网络的检测研究1引言EEG波形出现棘波通常意味着脑功能的某种异常,棘波的极性和幅值提供了异常的部位和程度的信息.EEG棘波检测系统常被用在癫痫监护中心,用以检测预报那些常规治疗(包括药物治疗)无效的癫痫病人的病情.据估计,目前仅美国此类病人就超过20万...     

一种基于经验模态分解的癫痫棘波检测方法

脑电癫痫特征波的自动提取对于患者的诊断以及减轻医生的繁重劳动都具有重要的意义.我们提出一种基于经验模态分解(EMD)的癫痫特征波检测方法,该方法首先经过EMD分解得到若干个固有模态函数(IMF),然后对其中的第一个IMF应用非线性能量算子(NBO)进行特征波提取,从而达到自动检测的效果.在对数值模拟的和真实的癫痫脑电信号(EEG)的仿真实验中,该方法都取得了较好的结果.     

172例抽动障碍患儿的脑电图分析

目的:观察抽动障碍(tic disorders,TD)患儿的脑电图(EEG)表现与临床特征的关系.方法:对172例TD患儿的临床资料和EEG进行分析.所有病例均作EEG检查,其中34例作录像-脑电图(V-EEG)监测,138例作常规EEG检查.42例进行了头颅CT检查.结果:172例TD患儿中,94例(54.6%)EEG正常,78例(45.3%)EEG异常,其中50例(29%)轻度异常,22例(12.8%)中度异常,6例(3.5%)重度异常.其EEG表现缺乏特异性、规律性.结论:本组病例EEG的异常率与患儿的性别、年龄及发作频率无明显关系,无特异性,少部分患儿出现的尖波、棘波、棘慢波,可能提示有潜在的癫癎灶存在,但目前无临床发作.长时间睡眠监测的EEG异常率及癎样放电发生率明显高于常规EEG的结果.V-EEG可以同步监测患者临床行为表现和EEG特征,可提供更可靠、更灵敏的诊断及鉴别诊断资料.     

癫痫脑电及节律波的非线性动力学特征研究

脑电图(EEG)是研究脑科学的重要工具,对EEG信号中隐藏的特征和信息进行深入研究,能更好地满足现在临床研究的需要。本文通过小波变换和非线性动力学两种分析方法,提取癫痫发作间期和发作期EEG信号及其节律波(δ波、θ波、α波和β波)的非线性特征,计算分析关联维数(CD)、Lyapunov指数、近似熵(ApEn)特征值在癫痫发作过程是否存在显著变化。研究结果表明,EEG信号及其节律波的非线性动力学特征在检测癫痫发作过程时可作为有效的鉴别统计量。     

睡眠脑波图象的特征抽出及识别的实时分析法

本文叙述了统计图象识别法进行睡眠脑波图象的计算机识别技术,以自动确定人的睡眠的各阶段。睡眠脑波对各睡眠阶段有相应的独特的特征,大致上可分为三类图象: Ⅰ)超过75微伏的高电压及慢波(δ-波); Ⅱ)α波及(或)低压波的混合频率活动; Ⅲ)特殊波。文中所述方法对Ⅰ)和Ⅱ)种脑波图形建立了模型并抽出其特征。一种是用正弦叠加模型并用卡尔曼滤波对予先规定的主要频率     

基于深度学习的指-桡端脉搏波信号转换方法

针对目前市面上大多数脉搏波检测仪器检测的是指端脉搏波信号,提出一种基于卷积神经网络的指-桡端脉搏波信号转换方法,在仅获取指端脉搏波信号的情况下得到对应的桡动脉脉搏波信号。该方法主要由一维卷积神经网络通过端到端的训练实现,模型包含编码器、解码器和跳跃连接3个部分,通过编码器网络提取指端脉搏波信号的特征,再通过解码器网络将特征图进行扩展,并且利用跳跃连接的方式实现特征图的融合。采集60份指端和桡端的脉搏波信号进行实验,并与传递函数模型和弹性腔模型进行对比。实验结果表明,该模型转换所得的桡端脉搏波信号在MAE和PRD的指标上分别达到1.4%±0.3%和3.6%±1.2%,优于其他模型。研究表明,该模型能够较精确地实现指端脉搏波信号到桡端脉搏波信号的转化。     

基于多特征融合的睡眠分期

目的 为了有效实现睡眠自动分期,对睡眠障碍等相关疾病的诊断提供更多依据,本文提出了一种基于多特征融合的睡眠分期方法.方法 数据来自ISRUC-Sleep数据库,首先对10名健康受试者和10名睡眠障碍患者的脑电(electroencephalogram,EEG)信号计算3种特征——样本熵、小波包能量和去趋势波动.然后采用支持向量机(support vector machine,SVM)构建睡眠分期模型,并验证该模型的准确性.此外,为了进行比较加入心电(electrocardiogram,ECG)和肌电(electromyogram,EMG)通道.结果 健康受试者和睡眠障碍患者睡眠分期的准确率分别达到87.4％和86.3％.结论 基于多特征融合的睡眠分期方法能够有效地提高睡眠分期的准确率.     

基于人工神经网络的癫痫棘波检测方法

脑电癫痫特征波的自动提取对于患者的诊断具有重要的意义。提出一种时频分析与Jensen函数相结合的方法进行棘波检测，然后提取出棘波的波形特征，并通过人工神经网络进行进一步的判决，从而降低棘波检测的误检率。在对真实的癫痫脑电信号（EEG）的仿真实验中，该方法取得了较好的结果。     

一种基于时频分析的癫痫脑电棘波检测方法

脑电癫痫特征波的自动提取对于患者的诊断以及减轻医生的繁重劳动都具有重要的意义.本研究提出了一种基于时频分析的癫痫脑电棘波检测方法.首先通过矩阵的奇异值分解方法得到效果更佳的脑电信号(EEG)的时频分布图,然后利用时频分布的差异测度方法达到对棘波的检测目的.在对临床癫痫脑电信号的实验中,该方法取得了较好的结果.     

睡眠脑电的自回归模型阶数特性

传统睡眠脑电 (Sleep EEG)研究从信号的时域和频域的特征分析睡眠过程 ,通常根据功率谱观察信号中特定节律的出现和频带的分布。而功率谱估计中基于参数模型的方法得到广泛应用 ,但建模时通常只能根据经验选择一个固定较低的阶数。本文讨论了自回归模型阶数 (Autoregressive m odel order,ARMO)估计准则的一些最新进展 ,并且统计了一段睡眠过程中 EEG的阶数分布。结果显示 EEG的 ARMO分布集中在差别很大的几个区间 ,可以用来表示睡眠 EEG分期内微结构和过渡过程 ,并在一定程度上提供 EEG的特征和组成成分的信息     

用带通滤波器的睡眠阶段自动判断系统

本系统利用EEG、EOG和EMG信号进行睡眠阶段的自动判断。EEG是以A_2为基准由C_1单极导出,EOG从两眼外侧及单眼上下导出,EMG从颏肌导出。睡眠阶段的判断和睡眠深度的指标所需信息以30秒为一区间进行提取。其中最主要的是EEG。为了计算不同频域的信号功率用了7个带通滤波器(F_1～F_3提取σ波,F_4提取θ波,F_5F_6提取α波,F_6F_7提取睡眠纺锤波等成分),这样可实现,可使判断算法简易化并可使自动检测系统小型化。从EOG求急速眼球运动(REMs)的指标,采     

空间模型对单次运动相关脑电的分析

本研究提出一种从单次试验的多导EEG信号中提取运动相关去同步化和同步化电位特征的空间模型，区分左右手想象运动，作为一种新的通讯手段对外界设备进行控制。此模型根据各电极对分类的重要性自动获得其权值，并将EEG信号沿最适合分类的几个方向投影，沿投影方向计算一连续时间段内的方差，作为线性分类器的特征输入。对8名被试者左右手想象运动时59导EEG进行分类，正确率均在70％以上，与用多通道AR模型提取特征、神经网络做分类器的方法相比，效果好、速度快。     

初次脑电图检查异常慢波对癫癎诊断的影响

癫癎发作间期的脑电图(EEG)异常除有癎样放电外,其余主要表现为非特异性各种形式的背景活动异常慢波.然而,对这种异常慢波与癫癎本身的关系的判断和解释必须慎重.为此,我们选择拟诊癫癎患者发作间期的初次EEG资料,分析EEG异常慢波的出现特征及其相关意义.现报告如下.     

108例儿童良性癫癎的临床与脑电图分析

目的:探讨儿童良性癫癎的临床与脑电图(EEG)特征。方法:对108例临床明确诊断儿童良性癫癎的患儿进行清醒或睡眠EEG分析。结果:本组患儿EEG显示,棘波或尖波均出现在中央颞区或以颞区为主的部位,清醒时较为局限,入睡后放电频率明显增加,患儿临床发作停止时间要比EEG放电消失的早。结论:儿童良性癫癎是与年龄相关的癫癎综合征,EEG特征对该病诊断有重要价值,及时正确的诊断有助于治疗及判断预后。     

小儿拟诊癫(癎)152例的剥夺睡眠脑电图分析

目的:探讨剥夺睡眠EEG在小儿癫(癎)诊断中的应用价值.方法:对152例疑诊为癫(癎)的患儿进行清醒EEG及剥夺睡眠EEG检查,作自身对照,比较两种方法(癎)样放电的检出率.结果:两种状态下描记的EEG(癎)样放电的阳性率:清醒EEG为32.2%,剥夺睡眠EEG为53.3% .结论:剥夺睡眠EEG是提高小儿(癎)样放电检出率的简单易行的方法,具有重要的临床应用价值.     

基于改进的伪Wigner分布检测癫痫EEG棘波的方法

本文提出了一种新的检测癫痫EEG棘波的方法，采用改进的伪Wigner分布对脑电信号进行时频变换，这种时频分布不仅能够有效地消除交叉项，而且可以快速实现，在时频平面上，以每个时间点上的中心频率划分背景脑电和癫痫样瞬态特征，通过一个镜像滤波器提取瞬态分量，最后，利用瞬态分量的能量局部极值检测棘波，临床应用表明，这种方法能够快速有效地从背景脑电中提取癫痫样瞬态特征。