基于CSSD和SVM的抑郁症脑电信号分类

被引：4

作者：

张胜 ^{[1
]}

王蔚 ^{[2
]}

机构：

[1] 浙江师范大学数理与信息工程学院

[2] 南京师范大学教科院

来源：

中国生物医学工程学报 | 2008年 / 27卷 / 06期

基金：

教育部留学回国人员科研启动基金; 浙江省自然科学基金;

关键词：

CSSD; SVM; 分类; 精神抑郁症;

D O I：

暂无

中图分类号：

R318.04 [生物信息、生物控制]; R749.4 [情感性精神病];

学科分类号：

摘要：

从EEG脑电信号中提取与疾病相关的信息以实现对抑郁症的自动诊断。首先采用共空域子空间分解(CSSD)方法,对躁狂型抑郁症患者与健康人两组的16导联脑电信号进行特征提取,然后用支持向量机(SVM)分类器进行训练和分类测试。实验结果表明,相对于用小波变换提取的频率相关参数为分类特征的分类准确率为88%,采用CSSD方法提取特征参数进行分类可以取得更理想的效果为95%,后者的16导联脑电信号在空间模型上表现出较高的模式可分性。该研究成果对精神抑郁症的物理诊断和研究提供了新的视角。

引用

页码：827 / 831

页数：5

共 5 条

[1] 支持向量机在脑电信号分类中的应用
李钢
王蔚
张胜
[J]. 计算机应用, 2006, (06) : 1431 - 1433+1436
[2] 关于统计学习理论与支持向量机
张学工
[J]. 自动化学报, 2000, (01) : 36 - 46
[3] Interleaving distribution of multifractal strength of 16-channel EEG signals[J] . Wei Wang,Xinbao Ning,Jun Wang,Sheng Zhang,Jie Chen,Lejia Li.Chinese Science Bulletin . 2003 (16)
[4] Designing optimal spatial filters for single-trial EEG classification in a movement task
Müller-Gerking, J
Pfurtscheller, G
Flyvbjerg, H
[J]. CLINICAL NEUROPHYSIOLOGY, 1999, 110 (05) : 787 - 798
[5] Common spatial subspace decomposition applied to analysis of brain responses under multiple task conditions: a simulation study[J] . Yunhua Wang,Patrick Berg,Michael Scherg.Clinical Neurophysiology . 1999 (4)

← 1 →