标题:基于去趋势波动分析和支持向量机的癫痫脑电分类
作者:蔡冬梅;周卫东;李淑芳;王纪文;贾桂娟;刘学伍
作者机构:[蔡冬梅] 山东大学信息科学与工程学院, 济南, 山东 250100, 中国.;[周卫东] 山东大学信息科学与工程学院, 济南, 山东 250100, 中国.;[李淑芳] 山东大学信息科学与 更多
来源:生物物理学报
出版年:2011
卷:27
期:2
页码:175-182
关键词:脑电图; 去趋势波动分析; 癫痫检测; 支持向量机; 波动指数
摘要:癫痫脑电的自动检测与分类对于癫痫患者的诊断治疗具有重要意义.本文提出了一种基于去趋势波动分析(detrended fluctuation analysis,DFA),波动指数和支持向量机(support vectormachine,SVM)的癫痫脑电分类方法.首先采用DFA方法计算脑电的标度指数,然后对脑电进行4~8 Hz,8~13 Hz,13~30 Hz带通滤波并分别计算波动指数,最后使用SVM分类器实现癫痫脑电波的自动分类.对临床脑电信号的实验表明,该方法具有较强的检测性能,分类准确率达到 97%
收录类别:CSCD
资源类型:期刊论文
原文链接:http://kns.cnki.net/kns/detail/detail.aspx?FileName=SWWL201102012&DbName=CJFQ2011
TOP