自发脑电Alpha节律的非线性动力学特性研究

针对正常对照组和精神分裂症病人自发脑电．从三个角度获取了alpha节律波．并对其非线性进行了检验。结果表明，无论是对照组还是病人组的alpha节律都不具有典型的非线性特征，提示对脑电节律的研究不能盲目采用非线性动力学中的相关理论t要将传统临床研究和信号处理领域有机地结合起来，才能得出有实际意义的结论。     

脑电非线性动力学快速分析与癫痫脑电分析

通过分析比较非线性时间序列动力学分析过程中使用的各种算法,选择出适合脑电分析的算法。这些算法时空复杂度较高,计算耗时。我们对这些算法进行了串行优化和改进,使其时间复杂度有不同程度的降低,并提高了其准确度;再对其进行并行化,进一步提升了算法效率。最后整个计算过程运行时间缩短为优化前运行时间的1/50。在此基础上,我们提出了脑电非线性动力学快速分析系统的设计,并使用该系统分析了癫痫脑电数据,取得了良好的结果。     

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     

检测脑电癫痫波的小波分析方法

小波分析是一种时／频域的分析方法,它具有多分辨率,相对带宽恒定,在时、频两域都具有表征信号局部特征能力的特点,被誉为“数字显微镜”本文基于二进小波变换,对嫌疑癫痫波进行多尺度的分析,根据脑电嫌疑波的三种基本成分（棘波、尖波和慢波）在不同尺度上的特性检测出它们。文中最后给出了小波分析检测脑电癫痫波的实例。理论和实践表明,小波分析在脑电癫痫波的检测中有广阔的应用前景。     

自动检测儿童脑电中癫痫波的方法研究

研究的是儿童脑电数据中癫痫波的检测算法。儿童脑电比成人脑电复杂，因而检测算法的设计与成人脑电的检测算法有所不同。综合考虑了国内外多种研究方法，确定了一种以半波检测方法为基础的检测算法。大体思想是：通过初步筛选，找出符合棘、尖波特征的脑电波，然后使用专家规则剔除符合这些特征的几种常见伪迹。再对选出的癫痫特征波利用模式识别的聚类思想分为三类，确定出更为可能是阳性波的特征，对脑电数据作进一步筛选。然后，用小波分析对检出的波再处理，去除不易被识别的假阳性波。最后使用人工神经网络对检出的癫痫波分类。     

长期脑电中癫痫波自动检测方法

长期记录的数字脑电图中癫痫波的目测检查需消耗医师大量的精力和时间,在临床上有使用计算机辅助自动分析的需要。本文对已有的脑电癫痫波的检测方法进行了整理概述和分析,作为探寻适宜临床应用的癫痫波检测算法的基础。     

长期脑电中癫痫波自动检测方法

长期记录的数字脑电图中癫痫波的目测检查需消耗医师大量的精力和时间，在临床上有使用计算机辅助自动分析的需要。本对已有的脑电癫痫波的检测方法进行了整理概述和分析，作为探寻适宜临床应用的癫痫波检测算法的基础。     

发作间期癫痫患者脑电非线性分析

目的：通过比较癫痫发作间期不同发作类型患者与正常对照组之间脑电非线性特点,探讨非线性脑电图在发作间期癫痫患者脑功能评价中的意义及应用价值。方法：对发作间期36例癫痫发作患者（其中2i例强直阵挛发作患者和15例复杂部分性发作）和32例健康对照组分别行安静闭眼、闭眼心算、安静睁眼3种脑功能活动状态下的脑电图检查,经专门软件采样处理得出相应的关联维数、近似熵并加以分析。结果：强直阵挛发作组不同脑功能活动状态下关联维数、近似熵与健康对照组相比在安静闭眼、闭眼心算、安静睁眼状态下均无明显差异,复杂部分性发作组与健康对照组相比在安静闭眼状态下于额、顶、颞叶相关导联的关联维数、近似熵下降,闭眼心算状态下近似熵在顶叶、颞叶导联下降。结论：脑电图之关联维数、近似熵有助于评价不同癫痫发作类型患者发作间期的脑功能状态。     

基于独立分量分析算法研究儿童癫痫脑电的混沌动力学特征

首先采用独立分量分析(Independent component analysis,ICA)算法,将儿童癫痫信号从复杂的背景脑电(Electroencephalogram,EEG)中分离出来;然后采用了一维时间序列相空间重构技术和混沌的定量判据,对分离出来的独立分量信号进行了分析与计算.通过对生理和癫痫状态下独立分量信号的相图、功率谱、关联维数和Lyapunov指数的对比研究,得出如下结论:(1)EEG独立分量的相图、功率谱、关联维数和Lyapunov指数反映了大脑的总体动态特征,它们可作为一种定量指标衡量大脑的健康状态;(2)在正常的生理状态下EEG是混沌的,而在癫痫状态下则趋于有序。     

大鼠癫痫模型脑电信息的非线性分析

为了探索应用非线性动力学理论进行癫痫疾病预报的新方法，采用非线性动力学指标：近似熵和相关维对大鼠癫痫发作过程的整个脑电信号进行分析研究。结果显示癫痫发作时，脑电信号的近似熵和相关维明显低于发作前和发作后，这表明了癫痫发作过程脑电信号复杂度的变化规律；而癫痫发作前又是一特殊的阶段，其脑电信号的复杂度已开始降低，但发作症状尚未出现。因此运用非线性动力学方法对癫痫发作至少在短期内可预报。     

脑电的非线性动力学高维持性及研究现状与展望

８０年代以来,脑电（ＥＥＧ）一直被视为低维混沌信号,关于脑电混沌性的检验及对其低飨混沌性的质疑,是近年来国际学术界的研究热点。目前的研究基础上论证了ＥＥＧ的非线性和混沌性,却否定了它是源于低维的混沌系统。因此,用经曲的低维混沌算法云分析研究高维ＥＥＧ的适用性和适用条件,必须进行探讨和论证。本文简要介绍了近年来的研究现状,其中着重介绍了ＥＥＧ低维简化模型法,最后展望了研究的发展前景。     

脑电的非线性动力学研究中的问题和进展

本文对近年来国外在脑电的非线性动力学研究中提出的问题进行了综述,内容涉及了脑电的非线性的证明,脑电不是低维的混沌,以及传统的脑电混沌参数估算中的主要弊病等。文中也介绍了针对以上问题的最新研究进展。     

脑电的非线性动力学研究中的问题和进展

本文对近年来国外在脑电的非线性动力学研究中提出的问题进行了综述 ,内容涉及了脑电的非线性的证明 ,脑电不是低维的混沌 ,以及传统的脑电混沌参数估算中的主要弊病等。文中也介绍了针对以上问题的最新研究进展。     

脑电的非线性动力学高维特性及研究现状与展望

80年代以来 ,脑电 (EEG)一直被视为低维混沌信号 ,关于脑电混沌性的检验及对其低维混沌性的质疑 ,是近年来国际学术界的研究热点。目前的研究基本上认证了 EEG的非线性和混沌性 ,却否定了它是源于低维的混沌系统。因此 ,用经典的低维混沌理论和算法去分析研究高维 EEG的适用性和适用条件 ,必须进行探讨和论证。本文简要介绍了近年来的研究现状 ,其中着重介绍了EEG低维简化模型法 ,最后展望了研究的发展前景。     

非线性脑电分析在癫痫诊治中的应用进展

人脑为一复杂的非线性系统，脑电活动随时间变化而动态变化，且会随时受到诸如警觉水平、环境刺激、内在心理活动及认知活动等因素的影响。脑电活动的这种非线性特征使得传统的线性分析方法具有一定的局限性。近年人们将非线性分析方法引入脑电图的定量分析方面，用来研究脑电活动复杂的变化规律。本文为了阐明这种新的非线性脑电分析法在癫痫研究方面具有的巨大潜力，     

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。     

基于脑电棘波频次的癫痫发作预测算法

癫痫发作预测是近年来在神经科学领域中备受关注的课题.预测癫痫发作可以使医护人员或患者提前采取有效措施来预防和控制癫痫发作,在临床上具有重要意义.棘波是最基本的阵发性异常脑电活动,在分析和统计癫痫发作前期和发作期棘波频次不同表现的基础上,首次提出一种基于脑电棘波频次的癫痫预测算法.对脑电进行滤波以去掉高频干扰后,采用形态学滤波器检测脑电棘波数目,并计算各段脑电中棘波出现的频次,最后根据棘波频次的变化预测癫痫的发作.采用本算法对21例癫痫患者长程颅内脑电进行癫痫预测,准确率达到74.7％,每小时错误预测次数仅为0.111次.结果表明,所提出算法能够有效地预测癫痫发作.     

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.     

基于稀疏表示的两阶段脑电癫痫波检测算法研究

脑电癫痫特征波的自动检测具有重要的临床应用价值,本研究提出一种基于自适应预测滤波与稀疏表示的两阶段癫痫特征波检测算法.第一阶段,使用自适应预测滤波器粗检出有嫌疑的癫痫波时段,在保证检测正确率的同时,减少数据量,提高后续处理效率;第二阶段,先以高斯函数及其一、二阶导数为原子的生成函数构建一个冗余多成分字典,再应用匹配追踪算法仪获取可疑波段在此字典下的稀疏表示(自适应参数化表示),原子的结构参数能够准确度量瞬时波形的多种形态结构特征如宽度、幅度、锐度等,进而提出基于形态结构匹配的检测算法,对预检输出的可疑时段进行鉴别分类.检测结果表明该算法针对临床癫痫EEG的检测率为93.3%,正确率为88.5%,相应的漏检率为6.7%,误检率为11.5%.     

基于多特征的颅内脑电癫痫检测方法

自动癫痫检测对癫痫病发作的诊断及减轻医务人员繁杂的工作有着重大的意义.本研究提出一种基于多特征的长程颅内脑电癫痫检测的新算法.该算法首先对颅内脑电信号进行小波分解和半波处理,然后提取脑电信号的微分方差、相对能量和波动指数组成特征向量,利用贝叶斯原理求得待检信号特征向量的后验概率,通过阈值判断达到癫痫检测的目的.利用德国弗莱堡长程脑电数据进行实验,检测灵敏度为94.2％,特异性为95.6％,误检率为每小时1.16次.实验表明,该算法能够有效检测出长程颅内脑电中的癫痫信号,并具有较低的运算复杂度,有利于实时脑电检测.