毕业论文课题相关文献综述
文 献 综 述
一、研究背景
随着计算机技术的迅猛发展，人类社会已步入了大数据时代。每分每秒都有海量的数据在互联网上进行交换，如何从海量的数据中提取出有价值的信息已成为人们关注的焦点之一。以机器学习、深度学习为主要特征的数据挖掘技术[1]就在这样的背景下兴起了。近几年，机器学习与深度学习技术已在金融、生物、统计等领域被广泛采用；在医学领域，机器学习与深度学习也成为最有潜力的疾病监测方法之一。
癫痫，在我国俗称羊癫疯或羊角风，是一种常见的慢性神经系统疾病。根据世界卫生组织(WHO)的统计，全世界有五千万人口罹患癫痫症，每年大约有240万的新增病例[2]。目前癫痫还没有有效的治愈方法[3]，大部分患者仅能通过药物控制病情的发展。癫痫发作的根本原因是大脑的电生理失常，即神经元的超同步放电活动引发人们在知觉和机体活动上的功能异常[4]。癫痫一旦发作，患者会出现意识丧失、短时间内肌肉大范围、反复性的抽搐等症状，其突发性与不确定性必定会给患者带来严重的不适及短期的行为失常，甚至会导致生命危险。由于癫痫发作的严重危害性，对癫痫的诊断始终是生物医学领域的重要研究内容之一。
快速、精准的癫痫检测方法可以帮助患者及时利用抗癫药物进行介入治疗，从而减少癫痫发作给患者和社会带来的潜在危害。脑电图(Electroencephalography,EEG)是脑电信号的一种常用的记录手段，现已广泛运用于脑部病症的诊断中。通过放置在头皮的电极，EEG可以测量紧邻皮层的神经元树突的电位并直接记录大脑皮层的电活动。使用EEG进行诊断的主要缺点是，需要耗费大量的时间和精力，同时还要求专业知识的积累，医务人员需要对EEG诊断进行良好的训练，才能保证可靠的诊断结果。在诊断过程中引入计算机辅助诊断方法(CAD)可以节约临床医生的时间和精力，为患者的诊疗赢得了宝贵的时间，同时也使诊断结果更具有客观性。
二、国内外研究现状
EEG因其低成本、无创性[5]在临床医学中被广泛用作癫痫诊断方法。然而，通过人工检阅EEG的方式进行癫痫诊断是十分耗时的，医务人员需要筛查大量持续数小时乃至数日的EEG记录。为了减轻医务人员的负担，癫痫的检测需要一种自动化系统[6][7][8]，以在录的EEG信号作为系统的输入，输出是一个正常或发作的分类标签。系统的核心是可靠的分类检测算法。近年来，越来越多的研究人员投入到计算机辅助脑电图诊断领域的研究中[9][10],他们利用时域方法[11]、频域方法[12]、时频域方法[13]以及非线性方法[14]从EEG信号中提取特征，并结合机器学习方法，如k近邻、随机森林、支持向量机、线性判别分析、逻辑回归等，初步解决了癫痫脑电的分类检测问题。但机器学习方法在特征提取时，受人为因素影响较大，对同一模型使用不同特征得到的检测结果可能大相径庭。这大大提高了应用机器学习的门槛。深度学习(DeepLearning)作为机器学习中的一个新兴的研究方向，在诸多领域内被广泛应用，如：计算机视觉、语音识别、自然语言处理等。与传统的机器学习方法相对比，深度学习避免了繁琐的人工设计特征的过程[15]，通过多个额外的隐含层自动地提取出数据中更抽象的特征，在系统进行判别时，显著地减小了人为因素的影响。Acharya等人[4]和Ullah等人[5]分别利用CNN在德国Bonn大学癫痫研究中心发布的EEG数据集（简称Bonn数据集）上分别取得了88.7%和99.1%的分类准确率。在同样的数据集上，Talathi[3]利用RNN取得了99.6%的分类准确率。Schirrmeister等人[16]分别使用深层卷积神经网络和浅层卷积神经网络在TUH癫痫脑电数据集上取得了82.6%和82.1%的准确率。在针对不同脑电数据集的研究中，研究人员尝试了大量的方法，这也说明了更有效的癫痫检测方法还有待发掘。
三、研究目标和内容
本课题针对天普大学(Temple University Hospital, TUH)医学院的公开脑电信号数据集，利用Python语言，设计并实现一个能够提升EEG信号进行分析与疾患预测的脑电信号预处理系统。获得分类的高准确率和高召回率是本次课题的重要研究目标之一。鉴于 Bonn 数据集样本范围过小，本课题研究针对 2017 年由 TUH 发布，数据覆盖面更加广泛的TUH癫痫脑电数据集进行。
目前，大部分针对癫痫 CAD 系统的研究工作主要集中于区分正常与癫痫发作的脑电信号，这是一种典型的二分类问题；另有部分研究则针对正常、癫痫间期（癫痫患者未发作时）、癫痫发作脑电信号的三分类问题展开。从临床的角度来说，癫痫患者在未发作时的脑电信号与正常人的脑电信号无明显的差异，有些研究将正常信号与癫痫间期信号归为一类信号进行处理[5]。同时，TUH多通道脑电数据集仅提供了两类标注（发作与未发作），因此本课题的研究将发作间期视为正常信号进行处理。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
