• 吉林大学 仪器科学与电气工程学院(长春 130061);
导出 下载 收藏 扫码 引用

为了提高计算机化癫痫发作检测的准确性和检测效率,本文提出了一种基于改进遗传算法的优化反向传播(IGA-BP)神经网络的癫痫诊断方法,以期利用该方法可以实现临床癫痫病症的快速、高效检测。该方法首先对癫痫脑电信号进行线性与非线性相结合的特征提取,通过高斯混合模型(GMM)对癫痫特征聚簇集合分析,利用最大期望(EM)算法估算高斯混合模型参量,获取遗传算法(GA)选择算子的最优参数组合,实现对遗传算法的改进,用改进的遗传算法调整反向传播(BP)神经网络以获取最佳初始权值和阈值,建立改进遗传算法优化的 BP 神经网络模型。利用该模型对癫痫脑电信号分类识别,最终实现癫痫病症的自动检测。与传统遗传算法优化的 BP(GA-BP)神经网络相比较,本文所提出的方法提高了种群的收敛速度、减小了分类误差,在癫痫病症自动检测中提高了检测准确率并缩短了检测时间,在临床癫痫发作诊断中具有重要的应用价值。

引用本文: 刘光达, 魏星, 张尚, 蔡靖, 刘颂阳. 基于改进遗传算法优化反向传播神经网络的癫痫发作检测方法分析. 生物医学工程学杂志, 2019, 36(1): 24-32. doi: 10.7507/1001-5515.201806039 复制

  • 上一篇

    牙髓干细胞多向分化潜能的研究及应用进展
  • 下一篇

    加权多重多尺度熵及其在孤独症儿童脑电信号分析中的应用