基于多频带路径签名特征的癫痫脑电图信号分类方法

基于脑电图(EEG)信号的癫痫自动检测对癫痫的临床诊断和治疗有很大的帮助。由于大部分癫痫识别算法忽略了EEG信号的时序关系,为此,文中提出了一种基于多频带路径签名特征的癫痫EEG信号分类方法。此方法首先将EEG信号分解成5个不同频段的频带信号,再通过路径签名算法进行特征提取,然后采用局部主成分分析去除特征相关性并进行特征融合,最后将融合特征送入集成分类器中进行预测分类。由于路径签名可以更深入地挖掘EEG信号的相关关系,结合局部主成分分析后,文中方法可以获取更有鉴别性的癫痫分类特征。分别在时长超过2 000 s癫痫发作片段的本地医院私有数据集和开源的CHB-MIT癫痫数据集上,选用10折交叉进行实验验证,结果表明:在私有数据集上,文中方法的平均分类准确率达到97.25%,比经典的基于经验模态分解(EMD)的方法提高了3.44个百分点,比最新的基于长短期记忆网络(LSTM)+卷积神经网络(CNN)的方法提高了1.35个百分点;在CHB-MIT数据集上,文中方法的平均分类准确率达到98.11%,比经典的基于EMD的方法提高了5.20个百分点,比最新的基于LSTM+CNN的方法提高了2.64个百分点;在两个数据集上文中方法的分类准确率均优于其他对比方法。

脑电图信号在疲劳驾驶检测中的应用与挑战

当前快节奏生活已经成为日常生活的常态,对人们的身心健康带来了不少负面影响,特别是在驾驶过程中容易出现疲劳困倦的情况。因此,疲劳驾驶检测技术成为了研究的热点,并取得了显著的进展。本文将介绍基于脑电图(electroencephalogram,EEG)信号的疲劳驾驶检测方法。本文首先概述基于EEG信号的疲劳驾驶检测的总体流程,包括信号采集、预处理、特征提取和分类等步骤。然后,详细介绍EEG信号中与疲劳相关的特征及其在疲劳驾驶检测中的应用。这些特征包括频域特征、时域特征、拓扑特征等,通过分析这些特征可以有效地识别出驾驶员是否处于疲劳状态。接下来,探讨目前已有的疲劳驾驶检测模型的性能评估和评价指标。针对基于EEG信号的疲劳驾驶检测,常用的指标包括准确率、灵敏度、特异度等。本文分析不同模型在这些指标上的表现,并比较它们的优劣。本文还简单介绍了EEG信号分类方法及其应用现状。常见的分类方法包括支持向量机、神经网络、贝叶斯分类器等,这些方法在疲劳驾驶检测中得到了广泛应用。针对目前基于EEG信号的疲劳驾驶检测面临的问题,本文提出了一些解决方法。例如,统一数据标注标准、增加被试数量等。最后,在总结全文内容的基础上讨论了基于EEG信号的疲劳驾驶技术未来的发展方向。在未来,可以进一步提升疲劳驾驶检测技术的准确性和实用性,以更好地应对快节奏社会给驾驶员安全带来的挑战。

从眼电图（EOG）伪差中增强脑电图（EEG）信号的目适应噪声抵消（ANC）方案

从眼电图（ＥＯＧ）伪差中增强脑电图（ＥＥＧ）信号的目适应噪声抵消（ＡＮＣ）方案ＰＫＳａｄａｓｉｖａｎ，ｅｔａｌ．ＣｏｍｐｕｔｅｒｓＢｉｏｍｅｄｉｃａｌＲｅｓｅａｒｃｈ１９９６１（２９）：２７～４０自适应系统的一项最重要的应用是用自适应滤波器抵消噪声．...

从眼电图（EOG）伪差中增强脑电图（EEG）信号的自适应噪声抵消（ANC）方案

从眼电图（ＥＯＧ）伪差中增强脑电图（ＥＥＧ）信号的自适应噪声抵消（ＡＮＣ）方案ＰＫＳａｄａｓｉｖａｎ，ｅｔａｌ．ＣｏｍｐｕｔｅｒｓＢｉｏｍｅｄｉｃａｌＲｅｓｅａｒｃｈ１９９６；（２９）：２７～４０自适应系统的一项最重要的应用是用自适应滤波器抵消噪声。...

视频脑电图(Video-EEG)的临床应用

视频或电视录像脑电图(Video-EEG)监测是鉴别癫痫发作性质及类型的最有效的检查方法,也是国际上普遍采用的癫痫和癫痫综合征分类的重要依据之一.目前正在国内普及,其优势在于可以同步观察到病人发作症状和脑电图变化,实现了视频图像、声音和脑电三者的统一,对癫痫发作的鉴别诊断及分型均有难以取代的临床价值.目前报道的一些新的癫痫发作类型及综合征无不有赖于视频脑电图监测的证实.但是,如果没有监测到癫痫发作,与常规脑电图有何区别?过去有的报道仅"监测"数十分钟,而且90%以上未监测到发作,这就使这样一个现代化优势明显的设备成为只有经济效益的检查,失去其临床应用价值.对此,有关视频脑电图的临床应用价值做进一步探讨.

儿童鼠药中毒致脑电图(EEG)尖棘慢波放电一例

一、病例报告 王某,女,7岁,因头疼6小时、意识不清伴抽搐4小时于2003年3月28日21时30分入院.据患儿父亲称:患儿误服鼠药后(剂量不详)于3月28日15时30分出现头疼、头晕、站立不稳,就诊于当地医院.给予"洗胃"等处理后,于17时30分出现意识不清、抽搐,表现为双上肢屈曲,双下肢伸直,牙关紧闭,双目凝视,持续约3分钟缓解.给予鲁米那钠、甘露醇、能量合剂等治疗,症状无好转,急转送我院.

脑机接口中脑电图-近红外光谱联合分析进展研究

脑机接口(BCI)能将受试者意图相关的大脑活动转化为外部设备控制指令,在神经疾病治疗、运动康复等方面具有较高应用潜力。BCI的实现需从人脑获取有意义的信号,而脑电图(EEG)可以反映神经电活动,主要用于对反映实时性要求较高的BCI系统;近红外光谱(NIRS)主要反映血流动力学水平,一般用于神经生理状态等需要精确定位脑活跃区域的研究。EEG和NIRS因其非侵入、方便穿戴、成本较低等优点,成为BCI的重要信号获取方法。相比于单模态BCI系统,基于EEG-NIRS联合分析的混合BCI系统由于具有更丰富的信号特征,在生理状态检测、运动想象等领域得到了越来越多的关注与研究。该文从EEG-NIRS联合分析在脑机接口中应用的研究现状出发,在数据和特征融合程度、层面上归纳最近的相关领域研究现状,并对EEG-NIRS信号处理手段的研究前景进行了展望。

脑电信号源脑电图定位方法的综述

临床神经外科医生针对某一种脑部病变做病灶(可看作一种信号源)摘除的手术时,需要对该病变的病灶做精确的定位。本文对脑电信号产生的根源、脑电信号源定位的重要性以及脑电信号源定位方法进行了探讨。

外伤性癫痫患者miR-7和凋亡分子与EEG放电指数及脑电图异常的关系

目的 探讨外伤性癫痫患者miR-7和凋亡分子与脑电图(EEG)放电指数及EEG异常的关系。方法 选取2019年1月—2021年1月海安市人民医院治疗的外伤性癫痫患者68例。根据EEG检测结果,其中EEG正常患者11例(EEG正常组),EEG界线性患者20例(界线性组),EEG慢波异常患者21例(慢波异常组),EEG癫痫样放电患者16例(癫痫样放电组),采用2-ΔΔCt法计算血浆微小RNA-7(miR-7)相对表达量,采用酶联免疫试剂盒(ELISA)测定凋亡分子B淋巴细胞瘤-2(Bcl-2)、Bax、Caspase-3的含量。采用脑电图仪进行EEG检查,并计算EEG放电指数。正态分布的资料相关性采用Pearson相关性分析和多元线性回归分析。结果 各组miR-7、Bcl-2、Bax、Caspase-3水平比较存在统计学差异(P <0.05),且随着脑电图异常程度的升高,miR-7、Bcl-2水平随之下降,Bax、Caspase-3水平随之升高,EEG放电指数随之增加。Pearson相关性分析结果显示,外伤性癫痫患者miR-7、Bcl-2、Bax、Caspase-3水平均与EEG放电指数存在相关性(P <0.05);多元线性回归分析结果显示,miR-7、Bcl-2、Bax、半胱氨酸蛋白酶-3(caspase-3)水平与脑电图异常均存在相关性(P <0.05)。结论 外伤性癫痫患者miR-7和凋亡分子与EEG放电指数及脑电图异常存在相关性,应进行早期EEG检查,并结合患者的病史、病程及miR-7和凋亡分子检测结果,判断其预后及制定科学合理的治疗方案。

基于改进型生成式对抗网络的EEG-fNIRS多模态信号数据增广研究

目的基于深度学习的脑电图-功能性近红外光谱技术(electroencephalogram-functional near-infrared spectroscopy,EEG-fNIRS)多模态脑机接口在康复工程中具有广泛的应用前景,但存在数据量不足的问题。为此,本文提出一种基于改进条件生成式对抗网络(conditional generative adversarial network,CGAN)的EEG-fNIRS多模态信号数据增广方法,以解决EEG-fNIRS多模态脑机接口与深度学习结合时面临的数据量匮乏的问题。方法首先,对EEG和fNIRS数据进行滤波、归一化和下采样等预处理。然后,针对EEG的非平稳特点,在CGAN生成器和判别器中增加自注意力机制,获得EEG数据增广模型CGAN_(E),加强捕捉和学习时变关键信息的能力。同时,针对fNIRS采样率低、信息量不充分问题,在CGAN生成器和判别器中增加上采样卷积层,获得fNIRS数据增广模型CGAN_(f),加强模型的信息挖掘能力,并将CGAN_(E)和CGAN_(f)的条件信息设置为类标签;进而,利用CGAN_(E)和CGAN_(f)对每导EEG和fNIRS分别进行增广,并将多导EEG扩增数据和多导fNIRS[包括氧合血红蛋白浓度(oxyhemoglobin concentration,HbO)和脱氧血红蛋白浓度(deoxyhemoglobin concentration,HbR)两种]扩增数据串接融合,获得EEG-fNIRS多模态增广数据。最后,对公开的EEG-fNIRS多模态信号数据集TU-Berlin-A前6名受试者数据进行增广实验,并设计一维卷积神经网络分类器评估增广数据的质量。结果基于EEG-fNIRS多模态信号公开数据集TU-Berlin-A前6名受试者的左右手运动想象数据进行实验研究表明,当数据扩增5倍时,本文方法取得94.81%的平均分类准确率。结论CGAN_(E)和CGAN_(f)能够生成接近真实数据分布的EEG和fNIRS信号,验证了对CGAN改进和本文所提EEG-fNIRS多模态数据增广方法的有效性。

76例经颅多普勒(TCD)异常患者的临床脑电图(EEG)分析

目的:研究经颅多谱勒(TCD)异常患者的脑电图(EEG)异常率。方法:对76例TCD异常患者EEG按病史归类进行分析。结果:既往病史正常EEG示轻度异常者5例(5/32),颈椎病EEG示轻度异常者3例(3/17),本组轻度异常率与正常人(15％轻度异常)相比无差异性,而高血压与糖尿病组EEG示轻度异常者6例(6/27),中度异常者4例,与正常人群有显著差异。结论:TCD异常患者的脑电图异常率与其原有疾病有关。

日本光电脑电图机EEG-7314F走纸速度失控维修

故障现象:机器通电,在“RECORD”状态时,走纸速度无论是选15mm/s还是30mm/s,全为快速记录,记录的脑电波形无法进行诊断.分析检修:用配备的支架撑起机器上盖,测量走纸电机的工作电压,不论选快档还是慢档,均为直流7伏,故走纸速度不变,说明控制电路有问题,由电机发出的控制线CNJ104联接到ACC PANEL BD,继而查到CPU板中,为快速分析检修,画出电机控制电路原理如图1:

智能化心脑电图机检定仪的信号产生及测试方法

本文介绍 EGC—1及 EGC—1A 型智能化心电脑电图机检定仪的信号产生原理,并由此阐述该仪器的自身计量测试及可能遇到的问题和解决办法。

EGC-1A智能化心脑电图机检定仪信号源及误差分析

本文介绍EGC—1A智能化心脑电图机检定仪信号源电路结构及原理。并在对信号源误差进行分析的基础上介绍该仪器技术指标的确定。

剥夺睡眠—睡眠脑电图在癫痫诊断及鉴别诊断中的应用(附53例剥夺睡眠——睡眠EEG)

癫痫波(尖波、棘波、棘慢综合波等)是临床诊断及鉴别诊断癫痫的重要依据。临床许多主诉有抽搐等发作性症状的病人,多次常规脑电图检查均未查到痫性波形,使其难于得到正确的诊治。剥夺睡眠可以有效地诱发痫性放电,睡眠时易出现异常波形。本组采用剥夺睡眠——睡眠联合法检查53例常规脑电图检查阴性,但临床诊断为癫痫或可疑癫痫的病人,阳性率达77％。

基于迁移学习的癫痫EEG信号自适应识别

脑电图(electroencephalogram,EEG)信号智能识别是癫痫病检测的重要手段。传统的智能识别方法在进行检测时,都假定智能模型训练采用的训练样本集和测试样本集满足同一分布特征,但在实际应用时,此假设条件过于苛刻,当训练和测试数据对应的场景有一定漂移时传统方法不再适用。针对上述情况,将近年来广受关注的对分布差异性场景具备较好性能的迁移学习方法引入到脑电图识别中,使得最终所得的模型对训练和测试数据的分布要求较之传统方法得到进一步放松,扩大了算法的适应场景,实现了在数据漂移场景下对癫痫EEG信号的自适应识别。实验表明,基于迁移学习的方法比传统方法具有更好的适应性。

血管性痴呆脑电图近似熵的评估作用研究

目的 探讨血管性痴呆 (VD)的脑电图 (EEG)近似熵 (ApEn)的异常特征及非线性动力学变化。方法 在 43例 VD和 42例对照组中进行 EEG ApEn计算，比较分析两组受试者安静状态 EEG和 ApEn的变化。结果 VD组病人 EEG ApEn在大部分脑区变小，两组比较差异有显著性意义 (P<0.01);尤其以额区的变化最为显著。结论 VD病人 EEG ApEn分析表明大部分脑区ApEn变小。表明大脑复杂性下降。

44例阿尔茨海默病患者认知功能与脑电图特点分析

目的对44例阿尔茨海默病（AD）患者的认知功能及其脑电图（EEG）改变进行回顾性分析,并探讨两者之间的关系。方法自2013年10月~2014年10月间,就诊于吉林大学第一医院认知障碍门诊的44例诊断为阿尔茨海默病的患者,对其临床资料、临床痴呆评定量表（CDR）、简易精神状态量表（MMSE）、蒙特利尔认知评价量表（Mo CA）、日常生活活动能力量表（ADL）及4 h录像脑电图监测结果进行回顾性分析研究。结果 EEG异常率84.1%,表现为背景节律减慢,单侧或双侧颞区出现不同程度尖波、尖慢波、棘波和棘慢波发放,以右侧颞区为主。AD患者EEG异常程度与病程及认知功能减退程度相平行。结论 EEG可作为反映AD患者认知功能较为可靠的客观指标,对掌握病情进展和判断预后有着重要作用。

新生儿高胆红素血症的脑电图分析

目的:观察新生儿高胆红素血症对脑电图的影响和机制。方法:对60例高胆红素血症新生儿进行脑电图检测。结果:高胆红素血症新生儿EEG异常35例,异常率为58.3%,主要表现为变异性缺乏12例、低电压18例、暴发抑制4例、癫痫样放电1例。结论:高胆红素血症可引起脑电图异常,高胆红素血症轻重程度与脑电图改变有关系。