本文關(guān)鍵詞：基于小波多尺度分析和極限學(xué)習(xí)機的癲癇腦電分類算法

  更多相關(guān)文章： 小波多尺度分析 Hurst指數(shù) 樣本熵 癲癇腦電 極限學(xué)習(xí)機

【摘要】：癲癇腦電的自動分類對于癲癇的診斷和治療具有重要意義。本文提出了一種基于小波多尺度分析和極限學(xué)習(xí)機的癲癇腦電分類方法。首先,利用小波多尺度分析對原始腦電信號進行多尺度分解,提取出不同頻段的腦電信號。然后采用Hurst指數(shù)和樣本熵兩種非線性方法對原始腦電信號和小波多尺度分解得到的不同頻段腦電信號進行特征提取。最后,將得到的特征向量輸入到極限學(xué)習(xí)機中,實現(xiàn)癲癇腦電分類的目的。本文采用的方法在區(qū)分癲癇發(fā)作期和發(fā)作間期時取得了99.5%的分類準確率。結(jié)果表明,本方法在癲癇的診斷和治療中具有很好的應(yīng)用前景。
【作者單位】： 西北核技術(shù)研究所;
【關(guān)鍵詞】： 小波多尺度分析 Hurst指數(shù) 樣本熵 癲癇腦電 極限學(xué)習(xí)機
【分類號】：R742.1;R741.044
【正文快照】： 引言癲癇是一種由多種病因引起的慢性腦功能障礙疾病,其典型特征是大腦局部神經(jīng)元反復(fù)地、突然地過度放電,導(dǎo)致中樞神經(jīng)系統(tǒng)功能失常[1]。全世界有1%~2%的人口患有癲癇[2]。癲癇患者臨床表現(xiàn)為肌肉抽搐、意識喪失等,頻繁的癲癇發(fā)作往往會給患者的身體帶來極大的傷害,甚至危及

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 武粵;李淑玲;孟小紅;;小波多尺度分析在重力場邊緣檢測中的應(yīng)用[A];中國地球物理2010——中國地球物理學(xué)會第二十六屆年會、中國地震學(xué)會第十三次學(xué)術(shù)大會論文集[C];2010年

2 曾德良;劉繼偉;柳玉;;小波多尺度分析方法在磨輥磨損檢測中的應(yīng)用[A];2012電站自動化信息化學(xué)術(shù)和技術(shù)交流會議論文集[C];2012年

3 楊文采;候遵澤;程振炎;;重力場小波多尺度分析與大別蘇魯造山帶巖石圈分區(qū)[A];《大地測量與地球動力學(xué)進展》論文集[C];2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 連江龍;小波多尺度分析的應(yīng)用研究[D];福建師范大學(xué);2008年

2 高燕;基于小波多尺度分析的圖像檢索技術(shù)研究[D];揚州大學(xué);2006年

，

本文編號：547551