癫痫脑电特征波的综合检测分类方法研究

本文将小波变换、人工神经网络、专家规则判据等多种检测方法有机地结合起来 ,用于癫痫脑电特征波的检测与分类 ,以充分发挥不同方法的优势。这种综合检测分类方法是先将预处理的多导脑电时间序列经小波变换将脑电中癫痫特征波在不同尺度下分离出来 ,再对选出的癫痫嫌疑波进行特征参数提取 ,然后把特征参数送入已经训练好的人工神经网络进行分类识别 ,最后再由专家规则判断筛选并作出检测分类统计报告。研究表明 ,该方法具有很好的信号特征提取和屏蔽随机噪声能力 ,获得了较好的检出率 ;尤其适合于非平稳、非线性生物医学信号的检测分类 ,值得进一步深入研究     

癫痫脑电的双谱特性研究

双谱分析对于分析处理非高斯、非线性随机信号具有明显优点.脑电信号被认为具有非高斯、非线性的特性.本文对不同发作阶段癫痫患者的脑电信号进行双谱估计,进而研究不同生理条件下脑电的双谱特性.结果表明,不同发作阶段时癫痫脑电信号的高斯偏离程度明显不同,其中双相干系数能够区分不同发作阶段脑电的信号特征,有望成为临床监护和预报癫痫发作的一个指标.     

基于多分辨Tsallis熵的癫痫EEG分析

利用多分辨率Tsallis熵的方法,识别癫痫脑电中的棘波,把EEG信号分解成小波级数,在各个尺度上利用多分辨率Tsallis熵来检测棘波,和申农熵相比,多分辨率Tsallis熵能给出更详细的信息。通过对6位患者的EEG信号进行处理,发现这种方法能够比较准确的检测EEG中的棘波,具有较好的临床应用价值。     

基于小波包变换的癫痫脑电棘波检测

为了能够较好地实现癫痫患者脑电的棘波检测,提出一种将棘波物理特征（幅度、频率）和小波包变换结合的算法,用于癫痫患者脑电信号的棘波检测。首先利用小波包变换对癫痫脑电信号进行小波包分解,将脑电波频率（0~30 Hz）划分为3层;其次根据脑电波的频率范围重构第三层节点频率S（3, 0）（0~10.85 Hz）、S（3, 1）（10.85~21.7 Hz）、S（3, 2）（21.7~32.55 Hz）的脑电信号;最后取棘波的幅度作为检测阈值分别提取癫痫患者健康期、癫痫发作间期及癫痫发作期的棘波。实验结果证明,当数据的采样频率为173.61 Hz、信号长度为23.6 s时,该算法能够提取不同癫痫患者在不同时期的棘波信号,该算法棘波的误检率为12.02%、漏检率为11.70%。因此,本文所采用的算法在癫痫棘波检测中具有良好的效果。     

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。     

癫痫脑电棘波的小波变换模极大值对检测方法

本文首次将对小波变换模极大值对检测信号奇异点的理论应用于癫痫脑电信号,对棘波进行检测。采用二进样条小波脑电信号按Ｍａｌｌａｔ算法进行变换,分析含有奇异点的信号,即棘波,与其小波变换模数大值对的关系,对棘波进行识别。     

基于小波变换的R波检测算法

介绍了一种将小波变换应用于ECG信号检测R波的算法。该算法主要是在离散小波变换和多分辨率分析原理的基础上，利用db1小波特有的时频域特性，运用Mallat快速算法对心电信号进行了3层小波分解，分别在2、3层小波分解的高频系数中选择一定的阈值作为R波的判定条件，实现R波检测。通过对MIT／BIH（Massachusetts Institute of Technology／Boston’s Beth Israel Hospital）心电数据库的R波检测，结果表明，该检测算法即使在噪声干扰和病态的情况下，也很容易实现对R波的准确检测和精确定位，具有相当高的定位精度，R波正确检测率高达到99．8％。     

脑电信号数据压缩及棘波识别的小波神经网络方法

对小波神经网络及其算法研究的基础上,提出了一种对脑电信号压缩表达和痫样脑电棘波识别的新方法。实验结果显示,小波网络在大量压缩数据的同时,能够较好的恢复原有信号。另外,在脑电信号的时频谱等高线图上,得到了易于自动识别的棘波和棘慢复合波特征说明此方法在电生理信号处理和时频分析方面有着光明的应用前景。     

基于小波变换的脑电图癫痫波形检测

脑电图中癫痫波形的自动检测与分类是临床上很有意义的工作。我们根据脑电图中的癫痫特征波形，利用小波变换的时频局部化特性，给出了一种高效的癫痫波表的自动检测方法，构造了一个连续的癫痫波检测系统。通过检测不同尺度上的局部极大值，确定出对应的脑电图中的锐变点位置，并由此检测出脑电图中的癫痫波，从初步临床试验的结果来看，系统具有检测精度高，可连续作业等优点，获得了较好的效果。     

B样条小波在提取脑电癫痫棘波中的应用

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力都具有重要意义。采用B样条小波对信号突变点灵敏检测的优良特性来进行癫痫棘波提取，取得了比较好的效果。     

用小波变换结合神经网络检测ECG信号的P波

通过小波变换对ＥＧＣ信号进行分解,然后采用神经网络检测ＥＣＧ信号的Ｐ波,该方法作为一种辅助检测手段,效果良好。将其用于心率变异性分析具有重要意义。     

Study on Singularity of Chaotic Signal Based on Wavelet Transform

INTRODUCTION The significant information of a signal is often carried by singular characteristics or irregular struc-tures of the signal, for example, the most important information of ECG(electrocardiogram) or EEG isoften presented at the transient points of a signal, such as those points near peaks. The singular charac-teristics of these transient points are more obvious than the smooth parts of signals. Therefore,to studythe singularity of a signal is a meaningful work. Those analysi…     

脑电图分析方法在麻醉监测中应用的发展现状

麻醉可以抑制病人对伤害刺激的反应,是外科手术不可缺少的步骤,但是麻醉同样会给病人造成严重后果。目前临床上迫切需要一种能保证高质量麻醉的麻醉监护技术,科学工作者们也纷纷展开研究,希望从各种医学信号中找到表征麻醉深度(Depthofanesthesia,DOA)的参数。脑电图(Electroencephalogram,EEG)信号作为检测大脑皮层活动的最主要信号,在目前麻醉深度监测研究中处于主导地位。本文中,我们系统地回顾了EEG应用于麻醉深度监测所取得的成就,并对今后可能的发展方向作了一些展望。     

基于小波变换的心电信号检测的应用研究

利用二进样条小波对信号按Mallat算法进行数字滤波，去除干扰。再利用动态的检测算法及规则对QRS波主要集中的2^3尺度下的QRS波进行检测。从而有效的提高QRS波的正确检测率。     

基于小波包分析的意识任务特征提取与分类

将基于小波包变换的多尺度分析方法应用于自发脑电 (EEG)的特征提取。在对 3种意识任务的脑电信号进行多级小波包分解的基础上 ,将不同尺度空间的能量信号作为特征值 ,组成不同意识任务的特征向量 ,并利用径向基函数神经网络进行分类测试。结果表明 ,小波包变换方法的分类正确率高于自回归模型方法。小波包分析方法可以作为不同意识任务脑电信号特征提取的一种新方法 ,具有较强的稳定性     

用小波变换方法定量分析多组分溶液的吸收光谱

用小波变换的方法分析多组分溶液的吸收光谱,可以没量多组分混合淀粉 中各组分的含量。我们只需知道待测量组分的标准吸收光谱和混合溶液的吸收光谱,而不必知道其它的组分和噪声性质,也不必用物理或化学的方法将待测组分从混合物中提出出来,利用小波变换的时频特性和多尺度的性质,在一个合适的尺度下,可以准确地测量待测量组分的浓度而抑制其它发的影响。用同样的方法,可以将混合物中所有已知组分的浓度计算出来。也就是说。     

小波变换和小波提升在胃电信号处理中的应用

本文介绍了小波基函数的定义、构造和小波提升。并将小波变换和小波提升应用于胃电(EGG)信号处理中。通过对信息熵、信号能量和联合熵等滤波后的信号特征进行分析,介绍了小波基函数的一般评价选择方法。为了验证评价方法的合理性,实验中采用了不同的小波基函数进行实验数据处理和信号滤波。通过小波变换和小波提升对EGG信号进行了滤波,分离了EGG快、慢波频段信号。并通过实验数据验证了小波变换和小波提升方案的合理性和EGG滤波算法的有效性。为胃的疾病诊断和测量提供了一个有效的解决工具和测量方法。