• 西北核技术研究所, 西安 710024;
导出 下载 收藏 扫码 引用

癫痫脑电的自动分类对于癫痫的诊断和治疗具有重要意义。本文提出了一种基于小波多尺度分析和极限学习机的癫痫脑电分类方法。首先,利用小波多尺度分析对原始脑电信号进行多尺度分解,提取出不同频段的脑电信号。然后采用Hurst指数和样本熵两种非线性方法对原始脑电信号和小波多尺度分解得到的不同频段脑电信号进行特征提取。最后,将得到的特征向量输入到极限学习机中,实现癫痫脑电分类的目的。本文采用的方法在区分癫痫发作期和发作间期时取得了99.5%的分类准确率。结果表明,本方法在癫痫的诊断和治疗中具有很好的应用前景。

引用本文: 崔刚强, 夏良斌, 梁建峰, 涂敏. 基于小波多尺度分析和极限学习机的癫痫脑电分类算法. 生物医学工程学杂志, 2016, 33(6): 1025-1030,1038. doi: 10.7507/1001-5515.20160165 复制

  • 下一篇

    基于样本熵与小波包能量特征提取和Real AdaBoost算法的正常期、癫痫间歇与发作期的脑电自动检测