基于小波变换与样本熵的癫痫脑电图分类

简介：
本研究运用小波变换和样本熵分析技术对癫痫患者的脑电图进行特征提取，并建立有效的分类模型以辅助临床诊断。 癫痫是一种由多种病因引起的神经系统疾病。据研究显示，大约80%的癫痫患者在发病间歇期具有脑电图上的癫痫样放电现象，这是当前诊断癫痫的主要依据之一。大脑是一个复杂的系统，由亿万个神经元组成，并负责身体各功能的协调运作。通过记录大脑皮层上电极所捕捉到的大脑细胞群电位活动（即脑电信号），可以获取有关心理和生理疾病的丰富信息。因此，在临床诊断与治疗急病方面，对脑电信号进行分析及去噪算法的研究十分重要。 通常情况下，脑电信号具有背景噪声强、信号微弱等特点。结合阈值的小波分析方法能够有效去除这些信号中的噪声。所以如何消除脑电数据的噪声，并更好地获取有关大脑有用的信息成为了当今研究的一个热门话题。本段落将利用MATLAB设计出基于伯恩数据集的癫痫脑电信号分类用户界面（GUI）。