基于递归量化分析与支持向量机的癫痫脑电自动检测方法

被引：17

作者：

孟庆芳

陈珊珊

陈月辉

冯志全

机构：

[1] 济南大学信息科学与工程学院

[2] 山东省网络环境智能计算技术重点实验室

来源：

物理学报 | 2014年 / 63卷 / 05期

基金：

中国博士后科学基金;

关键词：

递归量化分析; 递归图; 癫痫脑电; 支持向量机;

D O I：

暂无

中图分类号：

R742.1 [癫痫]; TN911.23 [信号检测与估计];

学科分类号：

1002 ; 070104 ; 081101 ;

摘要：

癫痫脑电信号的自动检测对癫痫的临床诊断与治疗具有重要意义.基于递归图(recurrence plot)的递归量化分析(recurrence quantification analysis,RQA)重现了非线性时间序列的动力学行为,分析了其递归特性,本文提出了基于RQA的癫痫脑电信号特征提取方法.实验结果表明:直接基于RQA特征的癫痫脑电的检测准确率较高,其中直接基于确定率DET的分类准确率可达到90.25%.本文还把提取的RQA特征值和变化系数、波动指数相结合组成特征向量,输入到SVM分类器,实现癫痫脑电信号的自动检测;实验结果表明:该方法的分类准确率可达到99%.

引用

页码：88 / 95

页数：8

共 14 条

[1]

基于去趋势波动分析和支持向量机的癫痫脑电分类[J]. 蔡冬梅,周卫东,李淑芳,王纪文,贾桂娟,刘学伍.生物物理学报. 2011(02)

[2] 基于Hurst指数和SVM的癫痫脑电检测方法 [J].

蔡冬梅 ;

周卫东 ;

刘凯 ;

李淑芳 ;

耿淑娟 .

中国生物医学工程学报, 2010, 29 (06) :836-840

[3] 基于非线性预测效果的癫痫脑电信号的特征提取方法 [J].

孟庆芳 ;

周卫东 ;

陈月辉 ;

彭玉华 .

物理学报, 2010, 59 (01) :123-130

[4] 脑缺血缺氧HRV信号的复原图分析 [J].

陈晓鸣 ;

邱意弘 ;

朱贻盛 .

生物医学工程学杂志, 2008, (01) :39-43

[5] 模拟失重后大鼠血压信号的递归定量分析 [J].

刘欣 ;

程九华 ;

卢虹冰 ;

张立藩 ;

马进 ;

董秀珍 .

航天医学与医学工程, 2006, (06) :394-398

[6] RQA在肌电分析中的应用 [J].

钟季康 ;

宋志怀 ;

郝为强 .

生物物理学报, 2002, (02) :241-245

[7]

数据挖掘中的新方法[M]. 科学出版社 , 邓乃扬, 2004

[8]

Automated diagnosis of epileptic EEG using entropies[J] . U. Rajendra Acharya,Filippo Molinari,S. Vinitha Sree,Subhagata Chattopadhyay,Kwan-Hoong Ng,Jasjit S. Suri.Biomedical Signal Processing and Control . 2011 (4)

[9]

Detection of epileptic electroencephalogram based on Permutation Entropy and Support Vector Machines[J] . Nicoletta Nicolaou,Julius Georgiou.Expert Systems With Applications . 2011 (1)

[10]

Epileptic EEG classification based on extreme learning machine and nonlinear features[J] . Qi Yuan,Weidong Zhou,Shufang Li,Dongmei Cai.Epilepsy Research . 2011 (1)

← 1 2 →