基于Python的脑电信号特征提取研究开题报告

1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述一．引言利用现代计算机技术，实现脑部疾患的计算机辅助诊断是当前人工智能技术应用的重要内容之一。

而癫痫是一种常见的由脑补异常放电引起的常见脑科疾病，具有患者群体广，症状多样的特点，是计算机辅助脑部疾病诊断研究的热点。

脑电图(electro- encephalogram，eeg）是脑电信号的一种常用的记录手段，也是是癫痫诊断研究的重要依据。

2. 研究的基本内容、问题解决措施及方案

一．要解决的问题：1.学习并掌握python语言，掌握常用第三方科学计算/深度学习库的基本使用方法，并能够编写处理程序，实现课题任务；2.学习并理解大数据预处理和特征提取的方法，并掌握对特征性能进行筛选的算法；3.理解并掌握学习系统性能评估指标；4.对tuh公开脑电数据集进行信号预处理，初步建立一个具有易于使用、分布平衡的测试数据集；5.使用机器学习或深度学习算法，评价特征提取的性能；其中，如何选取数据集特征以及特征的质量评估算法是本次研究的重点。

二．解决方案：首先，查阅相关文献合同类研究案例，了解生物电信号的特点以及典型特征，研究特征提取的算法以及对特征进行评估的主要指标。

其次代入数据集进行实际测试，使用天普大学医学院的公开脑电信号数据集以及python工具，进行特征提取的实际操作，并进行效果验证。