基于样本熵与人工神经网络的癫痫发作预测初步研究

doi:10.3969/j.issn.0258-8021.2013.02.017

摘要
图/表
参考文献
相关文章 (13)

全文: PDF (647 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要针对目前癫痫预测多为回顾性离线研究，难以实现自动实时预测并应用于临床这一问题，进行癫痫发作实时预测的初步研究,探讨方法的可行性。提出了结合反向传播（BP）神经网络与样本熵分析进行癫痫发作实时预测的方法。首先基于临床癫痫患者发作前脑电数据计算样本熵，转化为样本熵时间序列；然后利用BP神经网络建立患者发作时间预测模型。BP神经网络模型对发作时间的预测与实际发作时间之间存在线性关系，基于样本熵值的预测结果的相关系数达到0.94以上。结合样本熵与人工神经网络算法，在脑电监测数据基础上对癫痫发作预测具有可行性，为进一步开发癫痫便携预警装置提供了基础，具有重要的潜在临床应用价值。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	马莉¹杜一鸣¹黄光²王耘^1*

关键词 ：脑电信号, 癫痫发作, 预测, 样本熵, 人工神经网络

Key words： EEG signals epileptic seizure prediction sample entropy artificial neural network

基金资助:国家自然科学基金项目（30973946）；国家自然科学基金项目（81173568）；教育部新世纪优秀人才支持计划（NCET110605）

引用本文:

马莉¹杜一鸣¹黄光²王耘^1*. 基于样本熵与人工神经网络的癫痫发作预测初步研究[J]. 中国生物医学工程学报, 2013, 32(2): 243-247.
MA Li¹DU Yi Ming¹HUANG Guang²WANG Yun^1*. A Preliminary Study on Epileptic Seizure Prediction Using Sample Entropy and Artificial Neural Network. journal1, 2013, 32(2): 243-247.

链接本文:

http://cjbme.csbme.org/CN/10.3969/j.issn.0258-8021.2013.02.017 或 http://cjbme.csbme.org/CN/Y2013/V32/I2/243

［1］Lehnertz K, Elger CE. Can epileptic seizures be predicted? Evidence from nonlinear time series analysis of brain electrical activity ［J］. Phys Rev Lett, 1998, 85: 5019-5023.
［2］Lehnertz K, Andrzejak RG, Arnhold J, et al. Nonlinear EEG analysis in epilepsy: its possible use for interictal focuses localization, seizure anticipation, and prevention ［J］. Journal of Clinical Neurophysiology, 2001, 18: 209-222.
［3］Navarro V, Martinerie J, Le Van Quyen M, et al. Seizure anticipation in human neocortical partial epilepsy ［J］. Brain, 2002, 125: 640-655.
［4］Drury I, Smith B, Li Dingzhou, et al. Seizure prediction using scalp Electroencephalogram ［J］. Experimental Neurology, 2003, 184: 9-18.
［5］Li Dingzhou, Zhou Weiping, Drury I, et al. Nonlinear, noninvasive method for seizure anticipation in focal epilepsy ［J］. Mathematical Biosciences, 2003, 186: 63-77.
［6］Wang Kuanquan, Xu Lisheng, Li Zhenguo, et al. Approximate entropy based pulse variability analysis ［C］ // Krol M, Mitra S, eds.Proceedings of the 16th IEEE Symposium on ComputerBased Medical Systems. Los Alamitos: IEEE Computer Society, 2003: 236-241.
［7］Mormann F, Andrzejak RG, Elger CE, et al. Seizure prediction: the long and winding road ［J］. Brain, 2007, 130: 314-333.
［8］Pincus SM, Goldberger L. Physiological timeseries analysis: what does regularity quantify? ［J］. American Journal of Physiology, 1994,266: H1643-H1656.
［9］白冬梅,邱天爽,鲍海平.基于经验模式分解与样本熵的癫痫预测方法［J］.中国生物医学工程学报,2006,25(5):527-531.
［10］蒋宗礼.人工神经网络导论［M］.北京:高等教育出版社,2001: 39-54. 
［11］杜一鸣, 王耘, 黄光. 癫痫预测面临问题的分析与展望［J］. 医学与哲学, 2008, 9(29): 59-61.