(a)原始波形；(b)恢复后波形
(a) original wvae form；(b)recovery wave form
1 脑电图波形比较
Fig 1 Comparison of EEG wave forms
需要指出的是，小波基的多少和网络参数的初始值，对网络训练及谱图恢复程序有很大的影响。如果模拟较大时段的波谱，则随着小基个数的增加，计算量会迅速增大，于是对这计算机综合性能的要求也要提高，这就要借助于算法的进一步改进及高性计算机的应用。此外，采用不同的母小波和误差能量函数，有可能减小训练误差，加快网络收敛速度，进一步提高恢复效果，更适应实时数据压缩的要求。这些方面的问题我们也正在探索中。
2.2 脑电棘波，棘慢的识别
根据济南市中心医院神经内科和脑电图室记录的50例临床癫痫患者脑电图数据进行棘波的识别，这些患者都经专家确诊患有各种类型的癫痫。其中发作类型有：典型失神发作10例；全身强直阵挛发作15例；简单部分发作6例；复杂部分发作2例；儿童良性颞-中央区放电灶癫痫5例；诱发(深呼吸，闪光刺激或美解眠药物诱发)发作5例；难以分类2例；未发作有散在棘波出现5例。采样频率200 Hz。为了在较短时间内突出反映信号随时间变化的局部化特征，并加快计算速度，我们每次取时段为T＝6 s,电极分布为：1)Fp1-A1;2)Fp2-A2;3)C3-A1;4)C4-A2;5)T3-A1;6)T4-A2;7)O1-A1;8)O2-A2。
由(9)式(h(t)取Morlt小波)计算得到时频平面脑电信号的能量分布E^′Eeg(t,ω)，该能量分布在25～40 Hz的带限内进行，对最大值的归一化得E^′Eeg(t,ω)，然后对带限内的E^′Eeg(t,ω)进行过阈值判决，经多次试验阈值选定为0.8，超过阈值时说明此时有棘波发生。图2、图3、图4用等高线图的方式表示了一段EEG信号在时频平面的能量分布。
棘波的识别：图2为一癫痫发作期间的散在棘波时频谱图，它清晰刻画了各频率分量随时间变化的情形，给出了准确的时频定位，如显示了两个高频能量峰(即棘波发生点)A、B的发生时间。利用20～40 Hz频带上的过阈值检测同样也确定了棘波发生的A、B时刻，说明此方法具有很好的局部化特性和很高的棘波识别能力。
上一页 1 2 3 4 [5] 6 7 下一页
