基于平滑非线性能量算子划分的尖峰相关特征癫痫发作自动检测算法

针对癫痫发作自动检测算法多集中于时域、频域等传统特征,无法全面表征癫痫脑电信号的信息等问题,本文结合癫痫脑电图中异常波振幅和频率提高的现象,提出一种基于平滑非线性能量算子划分的尖峰相关特征癫痫发作自动检测算法。该算法使用传统的时域、频域特征,结合尖峰相关性特征对脑电信号进行刻画,使用有监督的机器学习分类器,测试癫痫发作自动检测的有效性和可靠性。本文将提出的方法在开源数据集CHBMIT上进行了评估,获得了96.52%的准确率、95.65%的敏感性和97.09%的特异性。实验结果表明,基于平滑非线性能量算子划分的尖峰相关特征,能够作为癫痫脑电信息的补充,提高癫痫发作检测的性能。

基于非线性能量算子的心电信号R波检测方法

将Marr小波变换和非线性能量算子相结合实现了心电信号的R波检测,心电信号的Marr小波分解信号很好地抑制了各种噪声干扰,结合非线性能量算子运算可突出了QRS波的特征点,使得阈值检测便于实施,利用修正策略提高了R波检测率,经MIT/BIH标准心律失常数据库验证,R波的检测率可达到99.7%,该方法对于心电信号的自动分析系统具有应用价值。

基于小波变换和非线性能量算子的神经元放电检测

微电极导向的立体定向手术中,微电极记录的神经元放电信号噪声干扰严重,信噪比变化大,影响着神经元放电脉冲的分析。利用小波变换和非线性能量算子相结合的一种新的方法能检测出神经元放电。通过对临床不同病人、不同特点的神经元放电信号处理,结果表明:该方法能成功地检测出细胞放电,提取出放电波形。

基于非线性能量算子的表面肌电信号MUAP发放检测

采用基于平滑非线性能量算子(smoothednonlinearenergyoperator,SNEO)的方法对表面肌电(surfaceEMG,SEMG)信号运动单位动作电位(motorunitactionpotential,MUAP)的发放信息进行检测,提出一种能较精确确定MUAP发放数目的阈值检测方法。利用这些方法分别对肌肉轻度收缩和中度收缩时的SEMG信号进行了MUAP发放检测实验,结果表明,对于轻度收缩时的SEMG信号,本文的方法十分有效,而对中度收缩时的SEMG信号也能获得比较满意的检测结果。

基于非线性能量算子和匹配滤波的锋电位检测与分类

对神经电活动的研究,需要对记录的神经锋电位(spike)进行检测和分类。传统的锋电位检测与分类的过程受噪声影响很大,尤其是在锋电位分类的过程中,由于神经信号采集很难达到高的信噪比,因此研究较低信噪比下检测与分类的算法具有重要的意义。本文提供了一种运算简单的神经信号锋电位的检测与分类算法。针对锋电位的检测,本文使用非线性能量算子(NEO)来提高信噪比。在锋电位分类过程中,通过获取不同类别锋电位的模板构建匹配滤波器,对检出的锋电位在不同滤波器下进行滤波,确定锋电位对锋电位模板的相关性,然后使用非线性能量算子来加强相关性,从而确定分类。通过使用自主设计的大鼠神经信号双通道采集系统采集到仿真数据(数据由NSS-128的神经信号模拟器产生),获得了可准确量度的标准数据,通过在这组数据上加不同程度的噪声,测试文章提到的算法。在检测方面,信噪比有约5倍的提升。分类方面相比单纯的匹配滤波,在一定的信噪比范围内,正确率由90%提升到100%。同时采集了部分实际神经数据,并用文中的检测方法进行了测试。

基于非线性能量算子的信号分类检测方法

本文研究了用传统的非线性能量算子的方法来提取典型癫痫发作脑电信号特征和癫痫发作间歇期脑电信号特征,而后将这两类信号送入SVM训练,建立模型,进而利用训练模型区分这两类信号,具有一定的实用意义。

基于非线性参数的腭裂患者高鼻音自动识别

为了实现对腭裂患者高鼻音的自动识别,提出了基于语音信号非线性能量算子及K-最近邻分类器的高鼻音自动识别算法。实验对腭裂语音数据库中非高鼻音及高鼻音信号提取基于香农能量和非线性能量算子的语音特征参数,结合模式识别分类器,实现了对高鼻音语音的自动检测。实验结果表明,应用非线性能量算子,能实时跟踪语音信号瞬时能量变化,实现了对高鼻音较高的判别正确率,其分类器正确识别率在90%以上,且优于传统的香农能量算法,具有较高的临床应用价值。

基于小波变换和Teager能量算子的癫痫脑电自动分类

提出一种利用小波变换和能量算子对EEG进行预处理提取癫痫特征信号,进行近似熵估计,对脑电信号进行分类的新方法。首先利用小波分析将EEG信号进行4层分解分成多个子频带,对频率接近棘波的第1,2层小波系数计算非线性能量算子,再对能量算子进行近似熵估计,最后用SVM对EEG信号进行分类。结果表明,该方法对癫痫发作期EEG和正常的EEG分类效果比较理想。

一种基于EEG特征提取的癫痫棘波综合检测判决方法

癫痫特征的自动检测在临床应用上具有重要的意义。本研究综合小波变换、非线性能量算子、特征提取和神经网络等技术,提出了一种癫痫棘波检测系统,充分发挥各技术的优点,在对真实脑电数据的处理中,表现出良好的性能。

一种基于经验模态分解的癫痫棘波检测方法

脑电癫痫特征波的自动提取对于患者的诊断以及减轻医生的繁重劳动都具有重要的意义。我们提出一种基于经验模态分解(EMD)的癫痫特征波检测方法,该方法首先经过EMD分解得到若干个固有模态函数(IMF),然后对其中的第一个IMF应用非线性能量算子(NEO)进行特征波提取,从而达到自动检测的效果。在对数值模拟的和真实的癫痫脑电信号(EEG)的仿真实验中,该方法都取得了较好的结果。

利用EMG运动单位动作电位数目估算法研究痉挛型脑瘫患儿神经元发放特性

目的小儿脑瘫患者的运动障碍分级和康复评估具有重要的临床价值。本文利用表面肌电信号对痉挛型脑瘫患儿的运动神经元发放特性进行研究,旨在为脑瘫患儿的运动障碍评估提供一种量化指标。方法采用平滑非线性能量算子(smoothed nonlinear energy operator,SNEO)算法,对痉挛型脑瘫患儿表面肌电信号中的运动单位动作电位(motor unit action potential,MUAP)数目进行估计,获得MUAP的平均发放间隔(inter-pulse interval,IPI),并根据医生采用的分级结果和健康人MUAP平均发放时限的早期研究结果进行对比验证。结果对14名不同运动障碍级别脑瘫患者的实验结果显示,其肌电信号MUAP的IPI与他们活动度的级别即运动障碍的程度呈正相关的关系,且具有明显差异。结论研究结果表明本文方法有效,采用IPI参数能够反映脑瘫患儿的运动障碍程度。

低信噪比神经元锋电位检测的新方法

细胞外神经元锋电位记录中经常包含许多小幅值信号,为了正确检测这些小幅值低信噪比的锋电位,增加单次实验的神经元检出数量,设计一种针对四极电极阵列记录信号的锋电位检测算法.提取4通道信号主成分分析的第一分量,计算该分量的非线性能量算子,从而减小噪声并增强锋电位.检测阈值的设定采用一种两步法,用于减小锋电位发放密度变化以及大幅值锋电位对于阈值的影响.仿真数据和实验记录数据的验证结果表明,这种主成分与非线性能量算子相结合的阈值检测法适用于四极电极等测量点高密度分布的微电极阵列记录信号,能够显著提高小幅值低信噪比锋电位信号的正确检出率,特别是能够有效地检出重叠锋电位,为后续的神经信息解码和神经网络分析提供更充分的数据.

多通道实时神经信号采集与峰电位检测系统

研制了一种可应用于在体神经检测的新型多通道实时神经信号采集与峰电位检测系统。该系统主要包括自主研发的植入式硅基微电极、集成多通道神经信号放大电路以及模数转换器(ADC)和数字信号处理器(DSP)等部分商用器件。该系统采用局部非线性能量算子(NEO)对采集到的32通道神经信号进行同步峰电位检测,并在终端屏幕上显示检测结果。局部NEO峰电位检测算法硬件实现简单,能够完全自主地对神经信号峰电位进行实时检测。在生理盐水模拟的在体实验环境中的测试表明,整个系统的信噪比(SNR)为27.4dB,在此信噪比的条件下,局部NEO峰电位检测算法的检测精度可达95%。

基于表面肌电信号的小儿脑瘫步态活动段检测研究

本文采用小儿脑瘫患者步行时下肢的表面肌电信号(sEMG),对其步态运动的特征参数进行分析,拟达到对小儿脑瘫患者的临床严重程度进行评估的目的。首先采用综合轮廓法(IP)、样本熵(Samp EN)和平滑非线性能量算子(SNEO)三种方法分别检测仿真步行状态下,下肢双侧腓肠肌激活时的sEMG信号,并对这些算法得到的结果进行精度和运算时间的比较研究,最后确定了三种算法中性能比较优良的SNEO算法,然后再利用实测的小儿脑瘫患者的sEMG信号,对患儿步态活动段进行检测和标定。研究结果表明:三种算法在sEMG步态活动段的划分中精度的差异没有统计学意义,但SNEO算法具有运算速度快的优点,适用于sEMG信号的步态活动段检测;小儿脑瘫患者的脑瘫程度与其sEMG信号的步态活动段平均长度呈正相关关系,三种不同程度脑瘫患儿的步态活动段长度差异具有统计学意义。通过本文研究结果,我们提出或许可以考虑将步态活动段平均长度作为一种评估脑瘫程度的辅助定量化指标的新思路。

一种参数化的机载雷达最优处理新方法

雷达目标检测中,最优处理器能够自适应地调整权值以跟踪环境的变化,而最优权值的计算则需要依赖大量独立同分布(i.i.d.)的干扰样本.因此在机载雷达非均匀的杂波背景中,i.i.d.样本数不足常导致最优处理性能的恶化.文中在考虑杂波内部波动的基础上,形成了一种修正的多普勒分布式杂波(DDC)模型,并以此提出了一种参数化的最优处理新方法.区别于现有方法,新方法将最优权值计算转换为对DDC模型的参数估计,即估计角频率中心和扩展.并采用一种低复杂度的非线性能量算子实现上述参数的估计.通过理论分析和仿真实验表明新方法对i.i.d.样本数的要求显著下降,并具有运算量小、易于实现的优点.