嵌入式癫痫自动检测系统研究

作     者：阮广朋 

作者单位：山东大学 

学位级别：硕士

导师姓名：周卫东

授予年度：2022年

学科分类：0711[理学-系统科学] 1002[医学-临床医学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 100204[医学-神经病学] 10[医学] 

主      题：癫痫自动检测 嵌入式系统 迁移学习 卷积神经网络 数据可视化 

摘      要：脑电图在癫痫诊断和治疗过程中发挥重要作用。传统的癫痫诊断需要专业医生根据临床经验从大量的脑电图中查找癫痫发作数据,这项工作费时费力,且诊断结果依靠医生的主观判断,难以避免漏判或误判。因此,研究基于脑电信号的癫痫自动检测系统,既可减轻医生临床诊断的工作负担,也有助于提高诊断的准确性和客观性。癫痫自动检测方法常采用特征提取和分类器的组合,特征提取包括对采样点的时域分析、傅里叶变换后的频域分析、小波变换、经验模态分解和非线性动力学分析等,旨在获取数据的代表性特征;分类器包括支持贝叶斯、K近邻、决策树、支持向量机、神经网络等,可以根据特征区分脑电信号类别。本文针对临床癫痫自动检测任务,设计了基于脑电时频特征结合支持向量机、一维卷积神经网络、以及二维卷积神经网络的三种癫痫检测模型。针对脑电数据个性化差异大的特点,借鉴迁移学习的思想,以多名患者的脑电数据组成通用数据集,训练上述三种癫痫检测通用模型;以各个患者剩余的脑电数据组成个性化数据集,在通用模型基础上训练患者的个性化模型。在树莓派4B平台上,实现了“数据采集-数据接收-前处理-算法识别-后处理-可视化展示完整的癫痫自动检测数据处理流程。在波恩数据集及波士顿儿童医院CHB-MIT数据集上进行实验,验证算法的准确率和实时性。本文搭建的嵌入式癫痫自动检测系统具有成本低、识别准确率较高、可实时检测等特点,可满足嵌入式癫痫检测的性能要求。