11、基于变分模态分解的脑电图信号癫痫自动诊断方法

基于变分模态分解的脑电图信号癫痫自动诊断方法

1. 引言：背景与驱动力

癫痫是一种常见的神经系统疾病，全球约有五千万人被诊断患有癫痫。随着预期寿命的增加以及头部受伤事故幸存者的增多，每年新诊断的癫痫病例数量也在稳步上升。癫痫患者不仅要承受疾病带来的身体痛苦，还会在社会和经济方面面临广泛的歧视和污名。更糟糕的是，80%的确诊病例发生在医疗资源有限的低收入或中等收入国家。不过，通过适当的治疗，癫痫患者可以过上正常的生活。因此，准确诊断患者并给予适当的药物来控制癫痫发作至关重要。

虽然基于磁共振成像（MRI）的技术在癫痫诊断中在一定程度上显示出有效性，但该过程涉及的设备非常昂贵，在低收入人群地区无法普及。因此，脑电图（EEG）是最常用的诊断方法。诊断的一个重要部分是分析信号中受癫痫发作影响的位置。通常，癫痫发作在整个信号中只占很小的一部分，手动检查是不切实际的。因此，一种用于检测信号中受癫痫发作影响部分的自动诊断方法将有助于癫痫的准确诊断。

癫痫发作信号具有一些独特的特征。在发作阶段，大脑神经元之间会发生大量不受控制的电干扰。通常，大脑的正常活动由非同步信号组成，因为神经元向不同方向放电。然而，在发作期间，电活动可能变得高度同步，与正常电活动相比，会产生更均匀的模式，这可以作为分类的一个区别特征。但并非所有癫痫发作都由癫痫引起，其他原因包括心因性非癫痫性发作（PNES）、脑部感染（如脑膜炎和脑炎）以及头部受伤等。心因性非癫痫性发作（PNES）常被误诊为癫痫发作，因为这两种疾病有相似的特征，如行为和意识的改变。但PNES不涉及与癫痫发作通常相关的皮质觉醒状态的变化，因此这两种疾病的治疗方法不同。避免癫痫发作的误诊非常重要，本文提出的系统的部分目标是能够区分癫痫性和非癫痫性发作。