改进的极限学习机在癫痫脑电分类中的应用.pdfVIP

第31卷 第6期 计 算 机 仿 真 2014年6月 文章编号：1006—9348(2014)06—0343—04 改进的极限学习机在癫痫脑 电分类中的应用 王 杰，李牧潇 (郑州大学电气工程学院，河南郑州450001) 摘要：研究癫痫脑部疾患的脑电分类识别问题，由于癫痫是大脑神经元异常和过度的超同步化放电所造成的临床现象，脑电 图(EEG)是 目前最常用的监测与诊断癫痫疾病的方法。由脑电图仪监测得到的脑电信号数量巨大，单凭人工的诊断十分 耗时，且有可能因为主观因素而产生误判。为了提高对癫痫脑电信号的自动识别和诊断的准确性，提出了样本熵(SampEn) 与AR模型特征提取以及 自适应差分进化极限学习机 (SaE—ELM)相结合的方法来达到识别癫痫脑电信号的目的。实验表 明采用上述特征提取及分类算法可达到97％的分类准确度，验证了上述方法的有效性。 关键词：癫痫脑电；样本熵；自适应差分进化极限学习机 中图分类号：TP18 文献标识码：B Research onImprovedExtremeLearning M achineinEpilepticEEG Detection WANGJie．LIMu—xiao (SchoolofElectricalEngineering，ZhengzhouUniversity，ZhengzhouHenan450001，China) ABSTRACT：Epilepsyisflcommoncerebraldiseasethatresultsfrom theabnormal dischargeofcerebralneurons． EEG isthemostcomlnonmethodtomonitoranddiagnoseepilepsy．TheamountofEEGsing alsobtainedfrom thee— lectroencephalographisSOlargethatidentifyingthem artificiallyisverytime—consuming．Furthermore，erroneous judgmentwouldbemadeduetosubjectivefactor．ThustheautomaticdetectionanddiagnosisofepilepticEEGareof greatimportance．Inthispaper，anovelmethodwasproposedtodetectanddiagnoseepilepticEEG．First，theEEG featurewasextractedbyusingSampEnandAR mode1．Second，finimprovedSaE —ELM wasusedtoclassifythe EEG．Experimentalresultsshow thattheproposedmethodcanachieveasignificantclassificationperfomr ancewith accuracyof97％ ． KEYW ORDS：EpilepticEEG；SampEn；SaE—ELM 下有很大的区别，癫痫脑电信号的特征波主要有棘波、尖波、 1 引言 棘慢复合波、尖慢复合波等。在临床EEG检查中，最重要的 癫痫是多种原因引起脑部神经阵发性异常放电所致的 是识别EEG中是否出现棘波和尖波 J。在对癫痫进行人工 发作性运动，全球约有 1％的人群患有这种疾病…，癫痫疾 诊断的过程中，专家通过肉