基于频率切片小波变换和支持向量机的癫痫脑电信号自动检测.PDFVIP

基于频率切片小波变换和支持向量机的癫痫脑电信号自动检测 张涛 陈万忠 李明阳 Automatic seizure detection of electroencephalogram signals based on frequency slice wavelet trans- formandsupportvectormachine ZhangTao ChenWan-Zhong LiMing-Yang 引用信息Citation: ActaPhysicaSinica, ,038703(2016) DOI: 10.7498/aps.65.038703 在线阅读Viewonline: /10.7498/aps.65.038703 当期内容Viewtableofcontents: /CN/Y2016/V65/I3 您可能感兴趣的其他文章 Articlesyoumaybeinterestedin 基于AdaBoost 算法的癫痫脑电信号识别 RecognitionofepilepsyelectroencephalographybasedonAdaBoost algorithm 物理学报.2015,64(12): 128701 /10.7498/aps.64.128701 基于自适应模板法的脑电信号转移熵分析 Transferentropyanalysisofelectroencephalogrambasedon 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 Analysisonrelativetransferofentropybasedonimproved 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 AnimprovedsynchronousalgorithmbasedonKendallfor 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- versedsleepstate 物理学报.2014,63(19): 198703 /10.7498/aps.63.198703 物理学报 Acta Phys. Sin. Vol. 65, No. 3 (2016) 038703 基于频率切片小波变换和支持向量机的癫痫 脑电信号自动检测 张涛 陈万忠 李明阳 (吉林大学通信工程学院, 长春 130012) ( 2015 年10 月19 日收到; 2015 年11 月6 日收到修改稿) 实现癫痫脑电信号的自动检测对癫痫的临床诊断和治疗具有重要意义. 本文提出先使用频率切片小波变 换分离出5 个不同频段的节律信号, 再分别计算每个节律信号的近似熵和相邻节律的波动指数, 最后使用遗 传算法优化的支持向量机进行分类. 实验结果表明, 所提出的方法能够对正常、癫痫发作间期和癫痫发作期三 种脑电信号进行准确分类, 分类准确率为98.33%. 关键词: 癫痫脑电信号, 频率切片小波变换, 支持向量机 PACS: 87.85.–d, 87.85.Ng, 87.15.A– DOI: 10.7498/aps.65.038703 监测. 但人工检测时间长、效率低; 并且, 由于癫痫 1 引 言 发作时个体差异较大, 医生根据自己的临床经验进