89次额叶癫痫发作期Video-EEG监测报告

利用ZN80 0 0型Video EEG监测系统对 10例额叶癫痫患者进行脑电和行为监测 ,旨在探讨额叶癫痫发作时的行为表现及脑电变化特征。结果表明 :额叶癫痫发作以运动症状为主 ,常于夜间发作 ,发作频繁而短暂。发作期EEG为额区癫痫样放电亦可为高幅慢波 ,与临床发作同步     

基于多分类SVM算法的癫痫发作自动检测方法

高性能的癫痫脑电信号自动检测方法对减轻医生负担并提高癫痫的诊断效率具有重要临床研究意义。论文提出了一种能够区分正常、癫痫发作和发作间期脑电信号的高性能三分类系统。采用Daubechies 4小波构成的4级提升式小波变换将脑电信号分解为不同子带信号,求得不同子带信号的近似熵、Teager能量、局部波动率、自回归系数、Hurst指数特征值;利用Fisher得分法进行特征选择,提高分类精度同时减小计算复杂度;基于二叉树多分类支持矢量机(support vector machine, SVM)对脑电信号分类,实现正常、癫痫发作和发作间期信号的自动检测。实验表明,系统的准确率、灵敏度和特异性均达到100%,优于现有的分类识别方法,提出的三分类系统具有良好的分类性能,为癫痫及癫痫发作的临床检测提供了较好参考价值。     

麻醉诱导的无意识过程中海马神经信号的动态变化

医学上通常认为皮层下脑区与人的意识和行为相关,该文通过对比人的海马脑区局部场电位信号在麻醉过程中的不同动力学特征,分析被试者在清醒和无意识状态下的表现差异.使用颅内立体定向脑电图记录了6名癫痫患者在异丙酚诱导麻醉过程中海马局部场电位信号并进行功率谱密度估计,通过混沌吸引子形态、样本熵以及互信息对清醒状态和意识丧失状态下...     

频域注意力机制下的癫痫脑电信号分类

为提高癫痫脑电信号特征分类的准确率,基于残差网络结构的深度学习,提出了一种频域注意力机制下的癫痫脑电信号分类(FDAM)算法。首先分析所提取的脑电信号特征,然后根据信号特征主要分布在时频域的幅值中的特点,通过残差网络对时频域幅值特征进行二次提取,最后为了使残差网络提取的特征集中在与分类结果相关性较大的频域,设计了一种频域注意力机制,在深度学习过程中增强该类频域的幅值特征,有效提高了癫痫脑电信号的分类准确率。采用公开数据库PhysioNet中的CHB-MIT Scalp EEG Database数据库对算法的分类性能进行了验证,实验结果表明,FDAM算法对正常状态和癫痫发作状态的脑电信号分类准确率达到98.05%,特异性为99.34%,灵敏度为96.12%。     

混沌系统吸引子的编选方法

为了将混沌系统不同状态的吸引子同时选择出来,以便对系统进行更深入的研究,该文引入了吸引子编选器概念,并在理论上进行了证明。吸引子编选器提供了一种在不同系统参数下选择典型吸引子,并在相位空间中灵活排序的有效技术。通过对类Chen系统进行动力学分析,确定了吸引子编选器的参数,并按照设定顺序将类Chen系统不同状态的吸引子在相位空间进行排列。吸引子编选器使混沌系统在安全通信等领域更具有应用潜力。     

重症监护病人脑电数据的自动聚类分析（英文）

癫痫性发作、持续状态及痫样节律性活动是常见的病理性脑部放电状态,通常会在急性脑损伤患者的脑电图(EEG)中表现出来。完成此类病理性波形的有效标记,是进一步诊断与治疗相关疾病的重要前提。为辅助神经内科专家对不同病理波形进行快速标记,文中提出了一种全新的辅助检测标记系统。该系统分别采用特征提取、PCA降维和LE映射可视化等技术,实现EEG中同质模式簇的自动检测。所提方法对哈佛医学院/麻省总医院中10例ICU患者的长时程连续脑电图进行了系统分析。数值实验结果表明,海量脑电数据能够被有效地自动聚类为多种ICU典型标准波形,而且仅通过观测类中心及若干同类成员就能够达到有效标记的目标。同时,LE可视化结果也进一步证实了"发作间期-发作期"连续统假设是成立的。     

基于方差的多尺度时间序列重构方法研究

针对传统的多尺度时间序列重构方法无法完整地提取脑电图EEG信号特征的问题,提出了一种新的多尺度时间序列重构方法——移动方差化。将EEG信号使用移动方差化方法进行序列重构,进而在多个尺度上提取时间序列的2个特征值——样本熵和方差熵。最后对所提取的特征值使用KS检验方法进行p值检验。实验证明,利用移动方差化方法重构的多个尺度上的时间序列对EEG信号进行特征提取,可以有效地区分癫痫患者发作间期与发作期的EEG信号,为之后利用EEG信号诊断判别精神疾病提供了依据。     

25例儿童腹型癫痫脑电图分析

腹型癫痫为内脏型癫痫的一种,是一种特殊的以腹痛反复发作为主要特征的癫痫类型,一般常见于儿童.黄远桂<'[1]>认为内脏型癫痫有如下特点:①症状反复周期性发作;②各次发作时的症状恒定;③有相应的EEG异常;④无其它与症状相应的躯体症状和器质性改变;⑤抗癫痫药物有效.由于此型癫痫较少见,现将我们1998年以来接诊的25例患儿临床与脑电图分析如下.     

具有多种吸引子共存类型的新型四维混沌系统

为了产生多种共存吸引子,本研究构建了一个具有多稳定性的新型四维耗散混沌系统。通过相图、Lyapunov指数谱、分岔图等的数值仿真,分析了此系统的动力学行为。设计了系统的模拟电路,并用Multism进行了仿真,亦制作了系统的现场可编程门阵列(FPGA)数字电路。模拟电路仿真结果和数字电路实现结果与数值仿真结果相符,验证了系统的混沌行为,亦表明了其可实现性。系统具有如下重要特性:在不同的参数取值下,系统存在10种吸引子共存类型,涉及的共存吸引子有点吸引子、不同的周期吸引子、拟周期吸引子、不同的混沌吸引子;系统特性对参数具有较强的灵敏性,即随着参数的变化,系统整体运行状态频繁地在周期和混沌状态之间切换;参数可以影响系统吸引子的拓扑形状,即随着参数的变化,系统吸引子的形状从单涡卷吸引子到双涡卷吸引子,最后到四涡卷吸引子。     

一类余弦函数的倍周期分支问题

倍周期分支过程是一条通向混沌的典型道路,即可以认为是从周期窗口中进入混沌的一种方式。在倍周期分支到达混沌现象的过程中,会依次经过周期1,周期2,周期4,……,混沌单吸引子和混沌双吸引子。该文根据倍周期分支判别法论证了一类余弦函数迭代映射后发生倍周期分支的充分条件,并对分支走向混沌的过程进行了探讨。     

基于改进型脉冲耦合神经网络的混沌相态分类方法

混沌相态分类是利用混沌系统检测微弱信号的关键步骤.提出一种基于改进型脉冲耦合神经网络的混沌相态分类方法.利用该网络模拟哺乳动物视觉皮层神经细胞活动的特点,提取混沌系统输出相态图的结构特征,并应用均值残差算法进行特征信息降维,进而实现对系统混沌态与周期态的实时判别.以Lyapunov特性指数方法作为评价准则,分别使用正弦...     

混频产生混沌

几个频率不同的谐波成份在非线性器件的混合称为混频。用非线性微分方程描写混频电路的动态过程,一般都能根据电路定律表达出来。然而微分方程的解析表达式却大多求不出来,因而近代非线性科学的发展,用数值仿真求出微分方程的图形解。用一条空间曲线表示三个变量间的相互函数关系,并以此作为方程的求解结果。由数值仿真画出的空间曲线称为相图,其性状随激励源参数的不同而变化,混频可能出现周期态与混沌态两种振荡性状。在仿真的时间间隔内,周期态能明显画出一个闭合的周期轨,这个闭合轨可以是单循环或多循环的。混沌态的相图要比周期态复杂得多,如果在访真间隔内轨线最后无法完成闭合,说明这是非周期的混沌。     

耦合混沌振子系统相同步的动力学行为

以耦合Dumng振子为研究对象研究了混沌系统进入同步态时的动力学行为．在对称耦合情况下随着耦合系数的变化系统达到各个混沌振子的相轨道完全相同较强的相同步态，通过计算Lyapunov指数表明，此时系统的前两个横向Lyapunov指数相等。     

新三维混沌系统的复杂动力学分析

提出了一个含立方项的新三维连续混沌系统.分析了该系统平衡点的稳定性.运用分岔图、Lyapunov 指数谱、相平面图等数值仿真研究了系统的动力学行为.对不同的参数值条件,系统将呈现出单稳定性、单周期、单混沌状态.对不同的参数值和初值,系统存在双稳定性、双周期以及双混沌吸引子现象.     

猩红热和流脑流行过程的混沌分维研究

以本溪市１９５５～１９９６年的猩红热和流脑逐月发病的数据为根据,利用混沌动力学中“相空间技术”,对流行病过程进行能量谱分析及混沌分析·发现流脑的流行过程是混沌的,猩红热的流行过程是周期的;并得到本溪流脑数据的混沌迭代模型·在模型参数变化范围内,经历了周期状态、混沌状态、吸引不动的稳定状态之间的转换,这表明流脑流行过程是复杂的,给出流行的“阈值”,以控制其流行涨落;求出流脑的关联分维是２８２１·为离散时间序列的分析研究提供了一种新方法·     

非线性粘弹性梁混沌运动的多模态分析

在考虑材料的粘性和非线性弹性性质的基础上,研究了悬臂梁在横向微扰动下的混沌运动,建立了相应的非线性动力方程,利用Ｍｅｌｎｉｋｏｖ函数法,Ｐｏｉｎｃａｒｅ映射,相平面轨迹及时程曲线判定系统是否处于混沌运动状态,并对单模态和双模态的分析方法进行了讨论。     

混沌系统的广义修正函数投影同步及其电路仿真

基于驱动系统的状态方程与混沌系统的单向耦合原理构造响应系统, 并设计混沌系统广义修正函数投影同步的仿真电路. 结果表明： 驱动系统和响应系统实现广义修正函数投影同步的充分条件是反馈增益矩阵正定； 示波器输出的驱动系统相图、 响应系统相图及广义修正函数投影同步的波形图与数值仿真结果相符, 因此构造的混沌系统广义修正函数投影同步电路是正确的.     

混沌同步系统降噪方法及其在滚动轴承故障诊断中的应用

提出了一种基于混沌同步系统的降噪方法,将其应用于滚动轴承振动信号的前期处理,并结合功率谱密度进行故障诊断.分析Chua电路混沌同步系统的降噪机理,讨论系统处于不同运行状态时,输入信号对相空间运行轨迹的影响;搭建混沌同步系统降噪模型,分析其检测特性,并与其他方法进行比较;将滚动轴承不同损伤模式下测得的振动信号输入该模型,比较振动信号和同步误差信号的时域波形和功率谱密度,并通过峰值查找,匹配对应的故障特征频率.新方法利用了混沌系统的噪声免疫性和可同步性,避免了现有方法参数设定复杂和运行状态判定困难的问题.结果表明该方法可有效提升被测信号的信噪比,能与传统方法结合形成新的故障诊断方法.      

一个新的混沌系统及其电路仿真

构造了一个新的三维自治混沌系统,该系统含有两个参数、两个非线性项.通过理论分析、数值仿真、Lyapunov指数谱和分岔图等非线性动力学分析方法分析了系统的丰富的动力学行为.结果表明系统是耗散的,系统存在两个不稳定平衡点,系统的轨线是有界的,当参数满足一定条件时,系统是混沌的.最后根据新混沌系统的数学模型设计具体的实际电子电路,给出系统处于混沌状态时的电路实验相图,与数值仿真结果是一致的.     

基于回声状态网络优化的宽间隔混沌跳频码预测研究

传统宽间隔混沌跳频码预测方法无反馈结构,记忆能力差;且训练过程烦琐,泛化性能差,对预测精度产生不好的影响。为此,提出一种新的基于回声状态网络优化的宽间隔混沌跳频码预测方法。设计回声状态网络,其由输入层、递归层以及输出层三个部分构成。在递归层内部各神经元间引入连接权值稀疏矩阵,使递归层内部存在动态记忆。回声状态网络储备池规模、储备池内部连接权谱半径、储备池稀疏度、储备池输入单元尺度对宽间隔混沌跳频码预测准确性产生不同的影响。通过和声搜索方法对四种储备池参数进行优化,实现回声状态网络的改进。确定优化回声状态网络输入输出数据,建立优化回声状态网络。确定储备池参数,通过训练数据激活储备池,计算回声状态网络输出连接权矩阵,对宽间隔混沌跳频码进行预测。实验结果表明,所提方法预测结果可靠,和其他方法相比有很高的预测精度。