基于AdaBoost算法的癫痫脑电信号识别张涛陈万忠李明阳.PDFVIP

基于AdaBoost算法的癫痫脑电信号识别 张涛 陈万忠 李明阳 Recognition of epilepsy electroencephalography based on AdaBoost algorithm Zhang Tao Chen Wan-Zhong Li Ming-Yang 引用信息 Citation: Acta Physica Sinica, 64, 128701 (2015) DOI: 10.7498/aps.64.128701 在线阅读View online: /10.7498/aps.64.128701 当期内容View table of contents: /CN/Y2015/V64/I12 您可能感兴趣的其他文章 Articles you may be interested in 基于自适应模板法的脑电信号转移熵分析 Transfer entropy analysis of electroencephalogram based on adaptive template method 物理学报.2015 64(8): 088701 /10.7498/aps.64.088701 改进的相对转移熵的癫痫脑电分析 Analysis on relative transfer of entropy based on improved epileptic EEG 物理学报.2014 63(21): 218701 /10.7498/aps.63.218701 基于Kendall改进的同步算法癫痫脑网络分析 An improved synchronous algorithm based on Kendall for analyzing epileptic brain network 物理学报.2014 63(20): 208705 /10.7498/aps.63.208705 颠倒睡眠状态调制心率变异性信号的功率谱和基本尺度熵分析 Analysis on power spectrum and base-scale entropy for heart rate variability signals modulated by re- versed sleep state 物理学报.2014 63(19): 198703 /10.7498/aps.63.198703 基于改进功率谱熵的抑郁症脑电信号活跃性研究 Activity analysis of depression electroencephalogram based on modified power spectral entropy 物理学报.2014 63(17): 178701 /10.7498/aps.63.178701 物 理 学 报 Acta Phys. Sin. Vol. 64, No. 12 (2015) 128701 基于AdaBoost算法的癫痫脑电信号识别? 张涛 陈万忠? 李明阳 (吉林大学通信工程学院, 长春 130012) ( 2014年 11月 24日收到; 2015年 1月 10日收到修改稿 ) AdaBoost算法作为Boosting算法的经典算法之一, 在人脸检测和目标跟踪等领域得到了广泛应用, 但该 算法也有一个缺点——退化问题. 为了解决这个问题, 通过对弱分类器进行筛选、引入平滑因子和权值修正 函数三个措施对算法进行优化, 并将优化后的算法与小波包分解相结合应用到癫痫脑电信号的识别上. 结果 表明, 本文算法对癫痫脑电信号的识别率为 96.11%, 对正常脑电信号的识别率为 99.51%, 具有较高的识别率, 为癫痫的正确诊断提供了一种可能有效的解决方案. 关键词: AdaBoost算法, 退化问题, 小波包分解, 癫痫脑电信号 PACS: 87.85.–d, 87.85.Ng, 87.15.A– DOI: 10.7498/aps.64.128701 1 引 言 脑电信号中包含了大量的生理与病理信息, 在 临床医学与脑科学的研究中具有非常重要的作用, 是进行神经系统疾病和症状特别是癫痫病诊断的 主要依据 [1]. 癫痫是由于脑部神经细胞群异常放 电引起的过性脑功能紊乱综合征, 是一种严重且 较顽固的慢性疑难性脑部疾病, 其发作时表现为大 脑神经元群兴奋性增高以及过度同步化放电, 并导 致短暂性中枢神经系统功能失常, 是神经系统疾病 中仅次于脑血管疾病的第二大顽症, 人群患病率为 0.5%—1%, 我国约有 600万癫痫患者, 每年新发病 例近 65万—70万 [2], 癫痫脑电信号的自动检测有 助于减轻医疗工作者的工作量, 进一步推进癫痫脑 电信号自动检测的研究, 在临床应用中具有现实且 重大的意义 [3]. 庞春颖等