基于Gradient Boosting算法的癲癇檢測.pdf

1、癲癇是一種慢性腦部疾病，由于腦部神經(jīng)元異常放電而導致大腦功能障礙。癲癇的反復發(fā)作會對患者生活造成極大的限制，影響其生活質量。目前，臨床上多用長程腦電記錄對癲癇發(fā)作進行檢測，而對癲癇患者腦電圖的分析可以幫助醫(yī)務工作者診斷病情，定位致癇灶，并進行相應的治療。然而，對患者腦電圖的檢測和分析工作主要由醫(yī)務工作者通過視覺來完成，繁重而耗時。因此，利用計算機自動完成對癲癇發(fā)作期的標記工作顯得尤為迫切。
　　 自上世紀80年代，癲癇發(fā)作自動檢

2、測就受到了廣泛關注。在癲癇發(fā)作期，腦部神經(jīng)元會產(chǎn)生大量慢波、尖波、棘波等特征波，并且該時期波形變化比間歇期更加劇烈。利用這一特點，眾多研究利用計算機模擬醫(yī)務工作者視覺判斷的過程，對腦電信號進行特征提取，然后分類識別，從而達到自動檢測癲癇發(fā)作的目的。
　　 本文提出了基于GradientBoosting算法的癲癇發(fā)作檢測方法，并與貝葉斯分類器進行了比較分析。首先，利用小波分解技術對腦電信號進行預處理，提取常出現(xiàn)癲癇發(fā)作活動的頻帶;

3、其次，在所選頻帶上計算波動指數(shù)、相對能量、功率譜密度等多個特征來定量地描述腦電活動;最后，將腦電特征向量送入已進行過訓練的分類器進行分類識別，從而實現(xiàn)對癲癇發(fā)作的自動檢測。本文利用GradientBoosting算法設計了分類器，并在國際開源的長程腦電數(shù)據(jù)庫上對其分別進行了實驗驗證和評價。
　　 通過對實驗結果的分析和對比，可以發(fā)現(xiàn)基于GradientBoosting算法的癲癇檢測方法計算量較小、運算時間較短、實時檢測性能較強，