论文总字数：22432字

摘 要

癫痫是一种由脑部异常放电导致发作的一种脑部失调综合征。由于它的突发性及反复发作性，如若不及时采取有效措施，可能对患者造成一定伤害，甚至危及生命。

脑电图(EEG)是一种检测并记录大脑中电活动的检查技术，包含大量生理、病理信息。目前，对于癫痫患者的诊断主要通过人工检测EEG，但这对医护人员的综合素质要求极高。如果能利用计算机技术对癫痫进行有效的分类识别，对患者做出相应的治疗措施，就能够减少对患者的伤害，并且在一定程度上减轻医护人员的负担，这也是医学界关注的重要问题之一。

本次课题针对美国天普大学医院(Temple University Hospital, TUH)于2019年发布v1.4.0版本的癫痫脑电数据集，尝试提出一种基于神经网络的癫痫自动检测方法。对临床采集的原脑电信号进行预处理，结合EEMD算法对预处理后的脑电数据进行信号重构，同时利用经典神经网络模型CNN和RNN在空间域和时间域分别对脑电信号的非平稳性进行学习，构建出一个准确率较高的癫痫自动检测系统。

关键词：EEG EEMD CNN RNN 癫痫自动检测

Research on Epilepsy Detection Algorithm based on Neural Network

Abstract

Epilepsy is a brain disorder syndrome caused by abnormal discharge of the brain. Due to its recurrent, sudden onset, if not timely measured, it may cause harm to patients, even life-threatening.

Electroencephalogram (EEG) is an examination technique which detects and records the electrical activity in the brain containing a large amount of physiological and pathological information. At present, the diagnosis of epilepsy patients is mainly through artificial EEG detection, but it requires high comprehensive quality of medical staff. If we can use computer technology to classify and identify epilepsy effectively and make corresponding treatment measures for patients, we can reduce the harm to patients and to a certain extent, reduce the burden of medical staff, which is also one of the important issues concerned by the medical community.

Aiming at the version v1.4.0 EEG data set released by Temple University Hospital(TUH) in 2019, this project attempts to propose an automatic epilepsy detection method based on neural network. Data preprocessing will be carried out for the collected original EEG signals. Then the EEMD algorithm is used to reconstruct the signals. Non-stationary signals will be learned in the space domain and time domain combining the classical neural network models CNN and RNN. An automatic epilepsy detection system with high accuracy will be constructed.

Keywords: EEG; EEMD; CNN; RNN; Automatic seizure detection

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 研究背景和意义 1

1.2 国内外研究现状 1

1.3 本文的研究目标及工作安排 2

第二章 癫痫脑电研究方法 4

2.1 脑电图概述 4

2.2 癫痫脑电特征 5

2.3 EEG研究方法 5

2.3.1 时域方法 6

2.3.2 频域方法 6

2.3.3 时频方法 6

2.3.4 非线性方法 6

2.3.5 神经网络方法 6

2.4 非平稳信号处理的EMD及EEMD方法 7

2.4.1 傅里叶变换 7

2.4.2 EMD 7

2.4.3 基于EMD的改进算法EEMD 9

2.4.4 基于EEMD的信号重构 10

第三章 神经网络相关理论 12

3.1 神经网络概述 12

3.2 卷积神经网络 13

3.2.1 卷积层 14

3.2.2 池化层 14

3.2.3 激活函数和全连接层 15

3.3 循环神经网络 15

3.4 交叉验证 17

3.5 过拟合和欠拟合 17

第四章 基于神经网络的癫痫检测 19

4.1 实验准备 19

4.1.1 数据来源 19

4.1.2 数据预处理 20

4.2 实验过程 22

4.2.1 EEMD信号重构 22

4.2.2 神经网络架构 24

4.2.3 实验模型训练测试 26

4.3 实验结果分析 27

第五章 总结与展望 29

5.1 实验总结 29

5.2 思考与展望 29

参考文献 31

致 谢 33

第一章 绪论

1.1 研究背景和意义

癫痫(Epilepsy)是一种急性、反复发作的短暂性脑功能障碍。由大脑电生理失常导致发作。癫痫发作时，会出现阵发性的大脑功能紊乱，临床表现为肌肉抽搐、短暂的意识障碍等。癫痫一旦发作，不仅给患者带来严重的不适，若处理不当或错过时机，常可危及生命。

癫痫病程长期反复，发作毫无预警，可迁延数年、甚至数十年之久，对患者的身体健康、精神、生活等方面带来了众多的繁扰，造成了严重的不良影响，易使患者产生悲观心理，同时沉重的经济负担也会给患者的家庭造成巨大的压力。根据世界卫生组织(WHO)的调查显示，全世界有近6500万人受到癫痫的困扰，约占世界人口的1%[1]。我国癫痫患病率为0.9％～4.8％，病患数量以每年40万的趋势上涨，已成为神经科的第二大常见病[2]。因此，对癫痫的发作诊断是生物医学领域的重要研究内容之一。

请支付后下载全文，论文总字数：22432字