[發(fā)明專利]基于小波包特征和隨機森林的癲癇病前期預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201810409965.4
• 申請日: 2018-05-02
• 公開（公告）號: CN108962391A
• 公開（公告）日: 2018-12-07
• 發(fā)明（設(shè)計）人: 曹九穩(wěn);王玉星
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G16H50/50
• 分類號: G16H50/50;G06K9/62
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發(fā)明公開了一種基于小波包特征和隨機森林的癲癇病前期預(yù)測方法。本發(fā)明包括如下步驟：步驟1、原始信號小波包分解；步驟2、對小波包系數(shù)提取能量占比、小波包熵特征；步驟3、用隨機森林算法進(jìn)行分類識別。本發(fā)明將小波包特征和隨機森林算法結(jié)合，對癲癇病不同時期的腦電信號進(jìn)行分析，能比較準(zhǔn)確的識別發(fā)病前期的腦電信號，并且整個方法的原理清楚，預(yù)測效率高。對其他疾病的研究也有一定的參考價值。

技術(shù)領(lǐng)域

本發(fā)明屬于信號處理領(lǐng)域，涉及一種基于小波包特征和隨機森林的癲癇病前期預(yù)測方法。

背景技術(shù)

癲癇是由大腦神經(jīng)元群高度同步化異常放電所導(dǎo)致的一組疾病，常會反復(fù)、突然發(fā)作，嚴(yán)重影響患者的生活與工作。目前癲癇病患者大約占全球總?cè)丝诘?.5％-2.5％，他們中的部分患者可以通過藥物或者是手術(shù)切除癲癇灶的方法來進(jìn)行進(jìn)行治療，另外部分患者還沒有合適的方法加以治療。對于這部分患者，最好的辦法就是在癲癇病發(fā)作前一段時間預(yù)測到癲癇即將發(fā)作，然后在短時間內(nèi)由醫(yī)生或者患者自己采取一些預(yù)防保護(hù)措施來避免二次傷害。

傳統(tǒng)的癲癇病預(yù)測方法是將癲癇病人的腦電信號分為前期，間期和發(fā)作期三類，對三類腦電信號提取統(tǒng)計學(xué)特征，用神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，這種方法存在以下2個缺點：

1.對癲癇病前期的分類簡單，不能很好的達(dá)到癲癇病預(yù)測的目的。

2.統(tǒng)計學(xué)特征只能反映信號總體的分布情況，對信號的變化反映不是很靈敏，只有當(dāng)信號發(fā)生明顯變化時，特征的分布才會隨之發(fā)生變化。

發(fā)明內(nèi)容

本發(fā)明針對傳統(tǒng)癲癇預(yù)測方案的不足，提出了一種基于小波包特征和隨機森林的癲癇病前期預(yù)測方法。本發(fā)明的技術(shù)方案主要包括如下步驟：

步驟1、原始信號小波包分解；

步驟2、對小波包系數(shù)提取能量占比、小波包熵特征；

步驟3、用隨機森林算法進(jìn)行分類識別；

所述步驟1的具體實現(xiàn)包括以下幾個步驟：

1-1.將原始的腦電信號劃分為5個類別，開始發(fā)病到發(fā)病結(jié)束是發(fā)作期(ictal)；發(fā)病前后四個小時的數(shù)據(jù)作為發(fā)作間期(inter)；發(fā)病前20分鐘到開始發(fā)病是第一個預(yù)測期(pre-ictalA)；發(fā)作前40到發(fā)作前20分鐘是第二個預(yù)測期(pre-ictalB)；發(fā)作前一個小時到發(fā)作前40分鐘是第三個預(yù)測期(pre-ictalC),這樣將腦電信號進(jìn)行劃分可以使預(yù)測的時間更加的準(zhǔn)確，在特征提取之前還要對每一類的信號進(jìn)行如下的處理：

1-2.本發(fā)明采用幀處理信號，每一幀有23個通道，時長為4s的信號。對每一幀的每一個通道的信號進(jìn)行(db4)小波包分解，分解層數(shù)為6層。

步驟1需要注意：考慮到幀移之間的影響，在1-2中選取的4s幀長中有2s的幀重疊。

步驟2的實現(xiàn)過程包括：

2-1.因為我們研究的重點是腦電信號中四種節(jié)律波(α，β，θ，δ)的情況，根據(jù)小波包分解規(guī)律，第6層的前15個頻率子帶包含了這四種節(jié)律波，所以針對這15個頻率子帶提取了以下幾種特征：香農(nóng)熵(shannon entropy)，對數(shù)熵(log entropy),閾值熵(thresholdentropy),確定熵(sure entropy)，范數(shù)熵(norm entropy)；

小波包熵的具體求取方法如下：

在進(jìn)行說明之前，熵(E)必須是如下的成本函數(shù)：

和E(s)＝0

香農(nóng)熵(shannon entropy):

對數(shù)熵(log entropy):