（信号与信息处理专业论文）脑电信号特性分析和特征提取的研究.pdf

摘要 癫痫是一种常见的中枢神经系统疾病，癫痫的发作在临床上一般呈突发性，容易在 病人意识丧失的情况下引发事故，造成残疾或死亡。因此，对即将来临的癫痫发作进行 颊报具有重要的临床意义。利用脑电信号预报癫痫发作的信号处理方法有很多，但取得 较好效果的研究结果基本是基于深部脑电信号的。相对而言，头皮脑电具有不侵入病人 身体，无痛苦的优点，在临床上得到普遍应用。但头皮脑电易受干扰，信号强度弱，增 加了分析和处理的难度，因而目前还没有理想的基于头皮脑电预报癫痫发作的结果。因 此，本文的主要的研究目标是寻找合适的方法解决基于头皮脑电的癫痫发作预报问题。 本文主要以小波变换的多分辨分析理论作为特征提取的工具，与递归神经网络相结 合，研究其预报癫痫发作的性能。具体内容如下： 首先，概述了基于脑电信号的癫痫发作预报问题的基本理论、历史和现状，并介绍 了已有的不同信号处理方法； 其次，研究了小波变换的基础理论，尤其是对正交小波的分频特性进行了详细分析。 综合时频窗口中心、窗宽和频域能量集中程度等性能指标，本文认为d a u b e c h i e s5 小波 在频域中相邻尺度间的频率重叠程度最轻，适于本文的具体应用。 第三，采用多分辨率分析将头皮脑电信号分解成不同节律成分，分析癫痫发作间期 和发作前脑电信号各节律的绝对小波能谱变化状况。然后从相对小波能谱角度比较癫痫 脑电信号与正常脑电信号，分析癫痫脑电信号的异常变化。结果发现，癫痫脑电信号中 的慢波增强，口节律受到抑制； 第四，深入分析了递归神经网络中基本e l m a n 网络的结构特点以及解耦扩展卡尔曼 滤波算法在该网络训练中的应用。在此基础上，本文对基本e l m a n 网络的权值结构进行 了改进，将可变的结构单元前馈权值固定为l 。理论分析和仿真实验表明，改进后的 e l m a n 网络不仅降低了网络训练过程中的计算复杂度和存储空间需求量，而且提高了网 络对高阶动态系统的跟踪性能： 最后，结合小波预处理，本文将改进后的基本e l m a n 网络用于癫痫发作预报。比较 以三种不同的信号特征作网络输入所得到的预报结果可知，提取小波变换域口节律能谱 包络的方法对本文的数据集具有良好的效果。 关键词：脑电；癫痫；预报；特征提取；小波变换；多分辨率分析；e i m a n 网络；动态 系统 a b s t 髓c t e p i l e p s yi s ac o m m o ni n t r i n s i cn e u r o l o g i c a ld i s o r d e r e p i l e p t i cs e i z u r e so r c no c c u r s u d d e n l y , c a u s i n gd i s a b i l i t ya n dm o r t a l i t ys o m e t i m e sw h e nt h ep a t i e n t l o s e sh i sa w a r e n e s s p r e d i c t i n ga ni m p e n d i n ge p i l e p t i cs e i z u r eh a so b d o u s c l i n i c a li m p o r t a n c e t h e r ea r em a n y e e g - b a s e ds i g n a lp r o c e s s i n gm e t h o d su s e dt op r e d i c ts e i z u r e s ，b u tb e t t e rr e s e a r c hr e s u l t sa r e m a i n l yb a s e do ni n t r a c r a n i a le e gr e c o r d i n g s i nc o m p a r i s o nw i t hi n t r a e r a n i a le e g t h e e x a m i n em e t h o do f 也es c a l pe e gh a sb e e nu s e di nc l i n i c a ld i a g n o s i su n i v e r s a l l yf o ri t s n o n d e s t r u c f i v e ，h o w e v e r , t h es c a l pe e gs i g n a li sw e l lk n o w n t ob es u b j e c tt ot h en o i s eo r a r t i f a c t c o n t a m i n a t i o n s ，m a k i n gt h ea n a l y s i sm o r ed i f f i c u l t y t h e r e f o r e n o n eo ft h ei d e a l s e i z u r e p r e d i c t i n gr e s u l t so ns c a l pe e g i sp u b l i s h e du pt on o w t h u st h eg o a lo ft h i st h e s i si s t of i n da p p r o p r i a t em e t h o d st op r e d i c tt h ei n c o m i n g e p i l e p t i cs e i z u r e sb a s e do ns c a l pe e g e f f e c t i v e l y m u l t i r e s o l u t i o na n a l y s i st h e o r yi su s e dt oe x t r a c ta p p r o p r i a t ef e a t u r e si nt h i st h e s i sa n d t h er e c b i t e n tn e u r a ln e t w o r ki sac l a s s i f i e r t h ep e r f o r m a n c e so ft h es y n t h e t i c a ls y s t e mt o p r e d i c ts e i z u r e s a r ea sf o l l o w s ： f i r s lt h eb a s i ct h e o r y , t h eh i s t o r ya n dt h ep r e s e n to fs e i z u r ep r e d i c t i o nb a s e do ne e g s i g n a l sa r er e l ，i e w e & a sw e l l 嬲d i f f e r e n ts i 伊脚p r o c e s s i n g m e t h o d s s e c o n d ，t h eb a s i ct h e o r yo f w a v e l e tt r a n s f o r mi ss t u d i e da n d t h ef r e q u e n c y p r o p e r t i e so f t h eo r t h o g o n a lw a v e l e t sa r ea n a l y z e di nd e t a i l a c c o r d i n gt os u c hp e r f o r m a n c e sa st h ec e n t e r o ft h ew i n d o wi nt i m e - f r e q u e n c yd o m a i n ，t h ew i d t ho ft h ew i n d o wa n dt h ec o n c e n t r a t i n g d e g r e eo f t h ep o w e ri nf r e q u e n c yd o m a i n , t h i st h e s i sc o n s i d e r st h a tt h ew a v e l e td a u b e c h i e s5 i sm o r es u i t a b l ef o rt h ea p p l i c a t i o n , b e c a u s ei th a sl e s sf r e q u e n c yo v e r l a pb e t w e e na d j a c e n t s c a l e si nf r e q u e n c yd o m a i n t h i r d ，t h es c a l pe e gs i g n a l sa r ed e c o m p o s e dt od i f f e r e mr h y t h mc o m p o n e n t su s i n g m u l t i r e s o l u t i o na n a l y s i s ，a n dt h ee v o l u t i o no ft h ea b s o l u t ew a v e l e tp o w e r s p e c t r ao f d i f f e r e n t r h y t h mi ni n t r a i e t a la n dp r e i e t a ls t a g ei se x p l o r e d t h e ne p i l e p t i ce e g a n dn o r m a le e ga r e c o m p a r e db y t h er e l a t i v ew a v e l e tp o w e r s p e c t r at of i n dt h ea b n o r r u l t i e s 1 1 1 er e s u l ti st h a tt h e s l o ww a v ei se n h a n c e da n d t h e 口r h y t h m i sw e a k e n e di ne p i l e p t i ce e g s i g n a l s f o u r t h t h ea r c l l i t e c t 脚屯p r o p e r t i e so ft h eb a s i ce l m a nn e t w o r ki nt h er e c u r r e n tn e u r a l n e t w o r k si sl u e u b r a t e d , a sw e l la st h en e t w o r kt r a i n i n gp r o c e d u r eb a s e do nt h ed e c o u p l e d e x t e n d e dk a l m a nf i l t e ra l g o r i t h m a c c o r d i n gt ot h ec h a r a c t e r i s t i c ，t h i st h e s i sp r o p o s e sa n i m p r o v e dm e t h o d ，f o r c i n g t h ef e e d f o r w a r dw e i g h t so f t h ec o n t e x tu n i t si nt h ee l m a nn e t w o r k t ob eu n i t t h e o r e t i c a la n a l y s e sa n ds i m u l a t i o nr e s u l t ss h o wt h a ts u c hi m p r o v e m e n tc a nn o t o n l yd e c r e a s et h ec o m p u t a t i o n a lc o m p l e x i t ya n d t h es t o r a g es p a c er e q u i r e m e n to f t h en e t w o r k t r a i n i n ga l g o r i t t u ne f f e c t i v e l y , b u t a l s oi n c r e a s et h et r a c k i n ga b i l i t yt ot h eh i g ho r d e rd y n a m i c s y s t e mo f 。t h ee l m a n n e t w o r k f i n a l l y , c o m b i n e d 、i t ht h ew a v e l e tp r e p r o c e s s i n g t h ei m p r o v e de l m a nn e t w o r ki s a p p l i e dt os e i z u r ep r e d i c t i o n t h l e ed i f f e r e n ts i g n a lf e a t u r e s a l eu s e d 嬲n e t w o r k i n p u t s i tc a l l b ec o n c l u d e db yc o m p a r i n gt h er e s u l t st h a tf o rt h e s ed a t as e t s ，e x t r a c t i n gt h ee n v e l o p eo ft h e p o w e rs p e c t r ao ft h e 口r h y t h m i nw a v e l e tt r a n s f o r md o m a i nc a n i m p r o v et h ep e r f o r m a n c e o f r n n e f f e c t i v e l y k e yw o r d s ：e e g ：e p ii e p s y ：p r e d i c t m u l t ip e s o i u t i o na n a i y s i s f e a t u r ee x t r a c t i o n ：w a v e i e tt r a n s f o r m e l m a nn e t w o r k ：o y n a m i e s y s t e m i 堕皇笪呈壁丝坌堑塑壁堑塑娶塑墅墨 1前言 1 1 癫痫发作预报问题的研究背景和意义 脑电图0 ) 在临床上常用于脑部疾病的辅助诊断，其中一项重要的应用是对癫痫 的诊断，癫痫是大脑神经元异常放电而引起的大脑功能障碍的表现。据统计，世界上约 有5 千万左右的人正在忍受着癫瘸带来的痛苦，约占世界人1 ：3 的l 【l 】。癫痫的发作在 临床上一般呈突发性，无明显的先兆，这是癫痫最具有破坏性的特征，同时也是癫痫病 人致残和死亡的原因。因此，对即将来临的癫痫发作进行预报具有重要的临床意义。它 可以让医护人员、病人或家属有时间做好必要的护理与保护工作，降低发作时的风险或 采取措施抑制瘢瘸的发作，提高病人的生命质量。 尽管癫痫的发作从外在表象看是突发性的，从正常状态到l 瞄床意义上的发作只有几 秒钟，但现有的大量证据表明，癫痫是可以预报的，甚至在癫痫发作前几分钟至几小时， 病人的临床生理指标就发生了变化【2 j ，如血流的变化b4 】，e c g 中r - - r 间期的变化等。 a m i r b c - e v a 在用高压氧舱诱发小鼠癫痫发作的实验中发现，发作前小鼠表现出明显的 逃避行为，这表明小鼠可以感觉到癫痫即将发作 s l ：护理癫痫病人的医护人员也认为， 病人可以感觉到癫痫可能发作，只是并不清楚发作的具体时间【l 】。同样，癫痫发作过程 中，e e g 中也出现了异常的变化。以全局性癫痫为例，发作状态是循环出现的，中间以 持续几分钟或几天的发作间期分隔。在发作间期，e e g 从正常状态，经过背景上叠加孤 立的癫痫活动阶段，过渡到不正常背景活动状态，其上可能叠加也可能不叠加孤立的癫 痈波。发作前的e e g 中有时充满不正常的发作阎期状态【5 】。因此，提取癫痫发作前e e g 信号的特征对癫痫发作进行预报在理论上是可行的。大量的研究已经证实了存在癫痫发 作前状态，所以利用不同生理现象的变化研究有关癫痫预报问题逐渐引起了广大科研工 作者的关注，而以发作前脑电信号的特征为基础的研究也是其中一个重要的方面。 1 2 以癫瘸发作前病人脑电特征为基础的预报方法及存在问题 利用脑电信号进行癫痫预报的研究可以说是方兴未艾，国夕 的研究队伍日益壮大， 尽管对此研究时间很短，但近年来的研究成果却是激动人心的。目前，国内在此领域的 研究相对较少，但随着生命信息技术的蓬勃发展，越来越多的研究人员也开始关注这一 课题。 国际上用于癫瘸预报的信号分析和处理方法有很多，如时域波形分析，频域功率谱 分析，非线性动力学分析等。早期的时域、频域分析方法具有算法简单的优点，但这些 方法无法做到较早期的预报，一般不会超过几十秒钟，实用意义不大。近年来运用非线 性动力学分析方法预报癫痫发作顾有成效，甚至可以提前几十分钟，但该方法也存在一 定的问题【6 】。首先，癫痫病人的脑电信号是否符合动力学规律仍受到一定程度的质疑； 脑电信号特性分析和特征提取的研究 其次，很多研究所采用的非线性动力学方法对信号平稳性的要求很高，而一般认为脑电 信号是典型的非平稳信号，因此这一假设前提就带来了一定的不确定性。 尽管许多信号处理领域的专家涉足神经科学领域，但癫痫发作预报问题仍未取得突 破性进展，有效的可用于临床的发作预报器仍有待于研究和开发。预报癫瘸发作的困难 主要在于以下几点： ( 1 ) 癫痫信号是非平稳信号，信号中干扰多，且临床上可见的发作几乎都是瞬时出 现，没有明显的先兆特征，因此不易找到合适的信号处理工具。 ( 2 ) 缺乏数据充足，覆盖面广且特征刻画明显，质量优良的癫痫病人脑电数据库， 尤其是模式全面的、具代表性的发作前的长期记录。 ( 3 ) 缺乏统一的性能评价标准。目前对预测结果的评价往往是与医学专家的目测结 果相比较，带来了主观性强的不利因素。 ( 4 ) 由于计算工具性能上的限制，目前实现在线检测还有一定困难。 受各种不利因素的影响，不同研究人员的成果尚不具有良好的通用性，且目前进行 的研究主要集中在理论分析方面，离临床应用还有很大差距。 1 3 本文的主要内容 神经网络是从生物神经系统抽象出来的现代信号处理工具，具有非线性、自适应性、 容错性等特点，在许多问题的处理上显示出了强大的生命力。但人工神经网络方法对于 基于脑电信号的癜瘸发作预报问题的适用性尚未得到广泛的研究，原因在于进行较早期 的发作预报需要大量的e e g 数据，对计算能力的要求很高，而且目前还没有成熟的方 法选择合适的网络训练过程。2 0 0 0 年p e t t o s i a n n 首次将递归神经网络r n n ( r e c u r r e n t n e u r a ln e t w o r k ) 与小波变换结合起来应用在该问题的研究上，在深部脑电上取得了很 好的结果。但对于头皮脑电，用该方法得到的结果并不十分理想，这一方面是因为头皮 脑电相对于深部脑电包含更多的干扰，另一方面是文献【6 】对r n n 的输入没有进行特别 的信号预处理，只是进行了单层小波分解与重构。目前临床上常规进行的脑电图检查主 要是头皮脑电，因为头皮脑电相对于皮层或深部脑电具有不侵入病人身体，无痛苦的优 点。但头皮脑电同时具有易受干扰，信号强度弱的缺点，增加了分析和处理的难度。若 能利用头皮脑电得到满意的结果将具有广泛的应用价值根据上述分析，本文主要研究 了递归神经网络及其与多分辨率分析相结合在基于头皮脑电信号的癫痫发作预报问题 上的应用，具体如下： ( 1 ) 简要阐述了小波变换的基本理论，并详细讨论了正交小波的分频特性。同时针 对本论文的应用实际，综合时频窗口中心、窗宽和频域能量集中程度等性能指标，选择 在频域中相邻尺度间频率重叠程度最轻的d a u b e c h i e s5 小波作为分析小波，对脑电信号 进行预处理。 ( 2 ) 采用多分辨率分析将头皮脑电信号分解成不同节律成分，分析癫痫发作间期和 发作前脑电信号各节律的绝对小波能谱变化状况。同时，比较癫痫脑电信号与正常脑电 信号各节律的相对小波能谱，提取癫痫发作前脑电信号的特征。 ( 3 ) 深入分析了基本e i m a n 网络结构特点以及解耦扩展卡尔曼滤波算法在该网络训 脑电信号特性分析和特征提取的研究 练中的应用。在此基础上，本文对基本e l m a n 网络的权值结构进行了改进，分析了改进 后的e l m a n 网络的性能，并通过仿真比较了改进前后基本e l m a n 网络对一阶、二阶动态 系统的跟踪能力。 ( 4 ) 以小波变换作为信号预处理工具，将改进后的基本e l m a n 网络用于癫痫发作预 报。脑电信号经小波变换后，按照三种不同的方法提取特征作为神经网络的输入，得到 了不同的预报结果。 脑电信号特性分析和特征提取的研究 2 基于脑电信号的癫痫发作预报问题的回顾及方法概述 2 1 脑电信号的基础知识 2 1 1 脑电信号产生机理、种类和特征 脑电是大脑神经元突触后电位的综合，脑电图( e e g ) 是通过电极记录下来的脑细胞 群的自发性、节律性电活动。研究脑电的历史可以追溯到1 8 世纪末期。在脑电图发现 以前，要知道中枢神经的机能状态只有观察末梢神经对刺激的反应1 7 9 1 年，l g a l v a n i 发现当肌肉收缩时将有电流产生，认识到脑在活动时也可能同样有变化。1 8 7 5 年，英国 的r g a t o n 成功地在动物脑记录出电活动，而首次发现并精确地描述了人脑电活动的是 h a n s b e r g e r ，他在1 9 2 4 年开始研究人脑的电活动，1 9 2 9 年发表“关于人脑电图”论文。 此后，如何从脑电信号中提取可靠的参数来反映大脑的功能状态一直是人们希望解决的 课题【7 】。 脑电图反映了大脑组织的电活动及大脑的功能状态，其基本特征包括周期、振幅、 相位等。关于脑电图的分类，国际上有几种不同的方法，一般说来，常用的分类变量有： 频率、电压、形态、同步性、周期性等。若按频带、振幅不同定义，般可将脑电分为 下面几种波： ( 1 ) 万波，频带范围0 5 4 h z ，振幅1 0 2 0 “v ，常在额部出现，其指数不超过 5 8 ，见于儿童和成年人的睡眠时，在正常清醒的成人脑波中很少见，过度换气、 睁眼及呼叫姓名都对艿波无影响。无论任何年龄，任何意识水平持续存在的局灶性占波 均为异常，指示着皮质病变； ( 2 ) 0 波，频带范围4 8 i - i z ，振幅2 0 4 0 x v ，在颓叶、顶叶较明显，一般困倦时出 现，是中枢神经系统抑制状态的表现。经常存在的局灶性0 节律为异常，其出现常为深 部皮质下或中线结构的病变； ( 3 ) 口波，频带范围8 1 2 i - i z ，8 5 的成人在9 5 l o 5 h z 之间，振幅1 0 b 1 0 0 i _ t v ， 是成人脑电中的基本节律。口节律呈正弦形，其波幅可以出现周期性逐渐升高和降低现 象。口波的活动在大脑各区都有，不过以项枕部最为显著，并且左右对称，安静及闭眼 时出现最多，波幅亦最高，睁眼、光刺激或精神活动时，口波会受到抑制并很快的被声 波所取代，这是正常脑电图的重要标志之一。对同一个人而言，在不同时间或不同脑区 记录的口节律的周期、振幅、位相等平均值差异一般不超过1 0 ，其脑电图出现方式较 恒定，对生理条件改变或各种外界刺激可保持一定的阚值； ( 4 ) 波，频带范围1 4 3 0 h z ，振幅5 3 0 i a v ，以额、颞和中央较为显著，注意力 集中或情绪紧张时出现较多； 脑电倍号特性分析和特征提取的研究 在病理状态如癫痫、脑肿瘤或脑外伤等情况下，大脑活动受到抑制，脑电图出现异 常波活动。癫瘸病人的脑电图常见特征波形如下： ( 1 ) 棘波，周期在8 0 m s 以内，呈垂直上升和下降，波幅较高，约为1 0 0 2 0 0 一， 是痫性放电最具有特征性的表现之一，常见于局限性癫痫、癫痫大发作、肌阵挛性发作、 间脑癫痫等。 ( 2 ) 尖波，又称锐波，形状近似于棘波，但周期较长，一般在8 0 3 0 0 m s 之间，形 态是快直上升而缓慢下降的三角形波，波幅可达2 0 0 v 以上。尖波可看作棘波放电的不 完全同步或为大病灶中大量神经元同步性放电恢复的延迟。 ( 3 ) 棘慢复合波，由棘波和慢波( 0 或占) 组成，通常是两侧对称的每秒三次的复 合波，以额部最为显著。这种波形的出现是癞瘸小发作特有的。 ( 4 ) 尖慢复合波，是由尖波和慢波组成的复合波，亦称为不全棘慢波或慢棘慢波， 见于局限性癫痫。 图2 1 所示为几种典型的脑电节律 b 节律删脚_ 溺晦 + 二 a 繁律诵喇嘲醣胸麟。 k 节肇嘲峨嘲黼； “嗡锤瓣瀚熊畔。 a 节律；嘲嘲酬 2 1 2 脑电信号的采集方法 棘节律 蠲黼律嘲鼎 尖带律暂蹦擎搿魂 。棘，幔带律嘲一 多蒜幔帮律鼍謦鞠 袋幔书律珊 麟律蚋 图2 1 典型脑电节律 f i g 2 1t y p i c a le e gr h y t h m 根据电极放置方式不同，脑电图分为头皮脑电图、皮层脑电图和深部脑电图等。由 于皮层脑电图和深部脑电图是带创伤的侵入式的，因此常规脑电图检查采用的是头皮脑 电图。头皮脑电是大脑神经电活动产生的电场经容积导体( 由皮层、颅骨、脑膜及头皮 构成) 传导后在头皮上的电位分布。 记录脑电图需要用来收集脑电活动并通过导线与脑电图机相连的电极、放大器、滤 波器和记录、显示设备等。关于电极放置位置，现在绝大多数实验室和医院都是采用国 脑电信号特性分析和特征提取的研究 际1 0 2 0 系统标准电极放置法，一般放置在脑部1 9 个特定的位置( 有些系统有时省去了 中线的三个电极，变成1 6 个电极型) ，如图2 ，2 所示。除中间的三个电极( f z ，c z ，p z ) 外，其余1 6 个电极的放置位置都是对称的，每边的电极都以同侧耳垂作为参考电极 r a l ，a 2 ) a 图2 2 脑电图仪电极位置示意 f i g 2 21 1 1 ep o s i t i o no f e l e c t r o d e si nt h ee l e c n o e n c e p h a l o g r a p h 注：耳1 、f 心：前额if 3 、f 4 ：额；c 3 、c 4 ：中央；p 3 、p 4 * 顶；0 1 、0 2 ：枕# f 7 、f 8 ；前颞； t 3 、t 4 ：中颞；t 5 、t 6 t 后联lf z ：额中线ic z ：中央头顶；p z 项中线；a l 、a 2 ；耳( 或乳突) 2 。1 3 脑电信号的应用 脑电信号含有丰富的信息，对于生理研究和临床医学都有十分重要的意义，目前的 研究应用主要体现在以下几个方面： 大脑功能状态与脑电特征信号的定量关系的研究是临床脑电检查和长期脑电监护 的需要脚： 脑电信号是脑部疾病和精神疾病检测和诊断的重要依据，尤其是对于癫痫疾病的诊 断。自从1 9 3 6 年f a g i b b s ，hd a v i s 和wgl e l n o x 等发现了小发作患者的3 h z 棘慢 综合波以后，各国学者积极致力于对癫痫脑电的研究p 1 3 】，使其工作有了迅速发展。目 前脑电图检查已经成为癫痫疾病诊断的重要手段； 脑电波形会随羞意识水平的改变而变化，所以可以利用脑电信号对意识水平进行检 测和分析； 以脑电图、肌电图和眼动图组成睡眠图，对睡眠过程进行分析和研究，其中脑电信 号起到最重要的作用； 脑电信号用于麻醉深度的监护研究。 脑电信号具有广泛而有意义的应用，但目前对脑电图的阅读分析仍然采用人工目测 6 标注法。这种方法尽管简单有效，但是费时费力，且诊断结果因人而异，具有很大的主 观性，因此寻找有效的信号分析与处理方法进行脑电信号的特征提取与特征识别是科学 工作者的长期奋斗目标。 脑电图应用于癫痫疾病的诊断时包括癫痫检测、判别癫痫类型、癫痫疗效观察等等， 一般通过检查癫痫发作时记录到的脑电图实现，是一种“预后”行为，不能做到癫痫发 作的实时预报。勿庸置疑，癫痫发作预报具有重要的l 脑床意义，它可以让医护人员、病 人或家属有时间做好必要的护理与保护工作，降低发作时的风险或采取措施抑制癫痫的 发作，提高病人的生命质量。因此本论文主要围绕癫痫发作预报这目标，在已有文献 的基础上研究并改进用于特征提取和特征识别的信号处理方法，提高预报能力。 2 2 基于脑电信号对癫痫发作进行预报的历史 通过分析脑电信号预报癫痫发作的研究工作始予二十世纪六、七十年代，但当时由 于技术原因，研究工作进展很慢。 1 9 6 5 年，c o o p e r 等人试图从癫瘸病人外科手术治疗时记录的皮层脑电图中提取发作 即将到来的信息【l ”。显然，这种方法在实际应用中是受限的。 1 9 7 0 年，v i g l i o n e 研究小组开始了有关癫痫预报的研究。实验基于五个病人的七次 发作。在训练集中。有发作前状态和无发作前状态的嚣e g 数据段的正确分离率为9 0 f 】5 。 开始时，此项实验未使用训练集之外的数据后来缝过进一步研究，v i g l i o n e 小组于1 9 7 3 年申请了癫痫电子预报器的专利，遗憾的是尽管此莱统预报率高，但误报率也很高。后 来由于计算机技术的限制和测量电极的实用性受到质疑，有关此系统的研究中止了。 在预报癫痫发作的研究中。七十年代末和八十年代初主要集中在研究e e g 中的可见 特征，如棘波，以及它们与癫痫发作的关系 1 6 - 1 8 】。 八十年代晚期和九十年代，非线性动力学技术开始广泛应用于藏痫发作的预报。 i a s e m i d i s 研究小组发现，在颞叶癫痫中，主要李雅普诺夫指数( p r i n c i p a ll y a p u n o v e x p o n e n t ) 的瞬时下降出现在e e g 向癫痫发作发展的进程中。研究人员认为，越接近发 作，系统的混沌性越低，脑电逐渐有序化口9 - 2 l l 。1 9 9 1 年，此研究小组证实了开始于发作 前7 5 分钟的相变化。1 9 9 4 年，e l g e r 和l e l m e z 乜领导的研究小组引入了另外一种非线 性分析方法一相关维( c o r r e l a t i o n d i m e n s i o n ) ，用于预报癫痫的发作。通过对大量病例 的研究，他们发现发作产生过程中数值上的可重复性降低了1 2 2 1 ，这种特征可用于癫瘸发 作的预报【2 3 】。另外，通过研究他们还发现，发作开始前几小时出现了相同步口4 1 。1 9 9 8 年，b a u l a c 和v a r e l a 研究小组用相关密度( c o r r e l a t i o nd e n s i t y ) 方法在6 3 小时长的发作 前数据段中找到了可以预报发作的证明j 。 同样是在1 9 9 8 年，l i t tb 等人与其他研究小组合作，应用智能系统0 n t e l l i g e n ts y s t e m t e c h n i q u e s ) 的方法预报癫痫。此方法是从原始的最有可能对癫痫进行预报的数据子集中 提取许多量化特征，然后将这些特征融合在一起，找到在不同时间范围内( 如十分钟、 一小时、一天) 预报发作开始概率的最优解删。 对癫瘸的预报研究不仅以人的脑电信号为对象，也以动物的脑电信号为数据源，这 开始于二十世纪六十年代，同样对癫痫发作的可预报性和预报方法进行了研究。比较引 7 脑电信号特性分析和特征提取的研究 人注目的是g e v a 等人将小鼠放在高压氧舱中以诱发癫痫发作，然后对获得的e e g 信号 采用智能系统的方法进行分析，实现癫痫发作预报。他们采用小波分析对所选择的不同 时期e e g 信号进行特征提取，将各特征用不同的方法组合后进行无监督最优模糊聚类， 得到了很好的预报效果。 近年来，国际上预报癫痫发作的研究有恢复活力的趋势，相对来说，国内这方面的 研究还不够活跃，不过仍有文t 酞 2 7 , 2 s 分别利用高阶累积量和谱分解方法做了一些研究工 作。 2 3 基于脑电信号的癫痫发作预报方法概述 目前，国际上各研究小组已尝试使用了许多信号分析方法研究预报癫痫发作的问 题，对所研究的样本给出了令人信服的证据表明发作前状态的存在性，有的预报结果相 当好。概括来说，这些方法主要包括时域分析、频域分析、非线性动力学和智能系统分 析等。 2 3 1 时域分析 时域分析主要对e e g 在时域的特征如波形、幅度等进行统计分析，以期找到该特 征与即将到来的癫痫发作的关系。研究发现，发作间期癫痫样放电的数量与发作无明显 的直接关系【1 6 ，2 9 , 3 0 1 ，而颞叶癫痫病人在发作前2 0 分钟出现的棘波和棘波间隔与颗叶是 否病变有一定关联【1 7 ，瑚。另外，发作前几小时，e e g 中出现的能量爆发在数量上有增 长的趋势。 2 3 2 频域分析 颓域分析着眼于e e g 信号的频谱内容，把脑电信号分解成不同的频率分量。应用频 率分析技术的原因在于发作前和发作中e e g 的频率、幅度等立即出现了变化。 1 快速傅立叶变换 傅立叶变换定义了“频率”的概念，利用它可以分析信号在各个频率成分上的分布 情况。因而被广泛应用予分析脑电信号 对于确定信号，o ) ，如果满足条件i 厂( ) i d f ，则其傅立叶变换定义为 f ( 国) = f 。f ( t ) e - j d t l ，b o r ，m ，行z ，则分析小波为 。o ) = a o ”2 矿( 町”r 一一6 0 )( 3 5 ) 故定义离散小波变换 町( 肌，甩) = 工，( r ) 以，( t ) d t ( 3 6 ) 根据框架理论，当 。( f ) 成为l 2 ( r ) 的框架时，重构公式为 ，( r ) = 野( 朋，玎) 既。( f ) ( 3 7 ) m n 式中既。o ) 为。( r ) 的对偶框架。 在离散小波变换中，为方便，可对参数进行二进制离散化，所得的小波和小波变换 称为二进小波和二进小波变换。 设矿( 0 el 2 ( r ) ，若存在常数么和b ，0 a s b ( 3 1 6 ) 脑电信号特性分析和特征提取的研究 2 小波变换对频带的划分【5 6 j 连续小波变换从频谱分析意义来说，就是把信号分解到一系列的频带上，随尺度c t 的变化，频带的中心频率和带宽都随之连续变化。 设g ( r ) l 2 ( r ) 1 而且f f g ( t ) 2 o ，如果仁i 培o ) j 2d t 0 变小时，时窗变窄，主频( 中心频率) 变高，检测到的主要是信号的高频成分。由于高频成分在时间域的特点是变化迅速，因 此为了准确检测到信号在时域中某点的高频成分，只能利用该点附近s t u d , 范围内的数 据，这就要求在该点的时窗较小：当日 0 变大时，时窗变大，主频( 中心频率) 变低， 检测到的主要是信号的低频成分。由于低频成分在时间域的特点是变化缓慢，因此为了 准确检测到信号在时域中某点的低频成分，必须利用该点附近很大范围内的数据，这就 要求在该点的时窗较大。由此可见，小波变换正好具有这种自适应性。另外，信号( ，) 脑电信号特性分析和特征提取的研究 的小波变换野( 岛6 ) = f ( o e ，( t ) c l t 实际上提取的是信号在时间点f = 6 和频率点 = e ( c , ) a 附近且时一频窗为 【6 一i 口i a ( v ) ，6 + i 口i ( y ) 】x 【e ( 矿) l a - a ( c r ) i i a i ，e ( 痧) d + ( 痧) l a 的时间和频率的局部信息( 假定小波母函数的中心为o ) 。 由上述分析可知，在小波参数6 固定的条件下，随着参数a 0 取遍非负实数，它所 划分的频带全体覆盖了原信号在固定时间点r = 占附近的各种频率成分，但它们之间的重 叠现象十分严重。二进小波变换和正交小波变换可以从本质上解决“频带重叠”问题， 且不丧失重现原始信号的能力。 二进小波变换的离散方式是将参数4 0 离散化为序列 d ，= 2 。；，z ) ，这时小波函 数“( ，) 对应的频带是【2 一。( e ( 痧) 一a ( 驴) ) ，2 - j ( e ( 驴) + ( 矿) ) 】，这种划分比连续小波的划 分从数目上减少了许多，但仍然还有大量的重复，只有矿细) 做为频窗函数满足 e ( 痧) = 3 ( 痧) 时，频域的二进频带划分( o ，* ) = u 【2 小1 ( 矿) 2 - i + 2 ( 痧) 】才是没有重叠 j 。- 田 的，是真正的二进化分，相应的分析就是二迸小波分析。二进小波变换用频带中心频率 3 x 2 - ( 矿) 处的“小波谱”孵( 2 7 ，6 ) 来接述信号，( f ) 在【2 巾1 妒) 2 小2 ( 妒) 】中的局部 频率信息。 在二进小波分析的基础上，离散化时间参数6 ，利用获得的离散数据 ( 2 。b d ；k z ，j e z ) 重建盯( 口，6 ) ，进一步重建原始信号，( f ) 。最佳解决方案是二进 正交小波分析，即选择正交小波矿( f ) ，生成函数空间l 2 f a ) 的标准正交基矿，。0 ) 。这样， 对不同的，妒( f ) 是正交