论文部分内容阅读
癫痫是大脑神经元突发性异常放电,导致短暂的大脑功能障碍的一种慢性疾病和综合症,给患者带来极大的痛苦,也极大地限制了患者的生活内容及质量。若能提前预报癫痫发作,则可以帮助医护人员及患者亲属对患者施行有效的预防保护。此外,对癫痫发作预测的研究,也有助于对癫痫发病机制及癫痫诊治技术的深入探索。因此有许多学者都投身于癫痫发作预测的研究事业。癫痫的致病因素非常复杂,发作机理至今也不能彻底阐释。因此,癫痫预测算法在取得进展的同时,也存在许多问题。例如,在癫痫发作前累积能量曲线并没有出现明显的变化;在长程脑电图观测下,关联维数下降与预测时长的关系在发作间期与发作前期并不存在显著差异;李亚普诺夫指数算法只在极低噪声下具备预测能力,而采集脑电信号时存在很大噪声,令其可靠程度大大降低。棘波是最基本的阵发性异常脑电活动,在临床EEG检查中,最重要的是识别EEG中是否出现棘波和尖波。对癫痫脑电数据分析发现,癫痫发作前棘波、多棘波、棘慢复合波等特征波会增加。在此基础上本文分析了癫痫发作前期脑电活动中棘波频次的变化规律,提出了一种新的基于脑电棘波频次的癫痫预测算法。并将本文方法与三种经典的预测算法做了对比。该方法对21例癫痫患者长期颅内EEG记录的6个导联进行棘波频次分析。首先对EEG信号进行滤波以去掉高频干扰并且用移动窗技术对EEG信号进行分段,然后采用形态学滤波器检测脑电棘波数目,并计算各段脑电中棘波出现的频次,最后用平均滤波器平滑棘波频次得到平滑棘波频次并将平滑棘波频次在发作前期出现上升现象作为判定癫痫即将发作的依据。经过分析发现,21例癫痫患者的87次癫痫发作中有68次被正确预测,灵敏度达到78%,每小时错误预测次数仅为0.08次。通过将该算法与累积能量增量法、动力学相似指数法和基于小波变换的相位同步化分析法比较,可以得到初步结论,基于棘波频次的分析算法是一种计算量小、运算时间短、适用性较强、可靠性较高的癫痫预测算法。