|
|||||
|
|
| 一种新的癫痫脑电融合特征提取方法 | |
| 作者单位： | ;1.西北大学医学大数据研究中心 |
| 摘 要： | 癫痫是一种常见的大脑神经紊乱疾病,癫痫性发作主要由大脑中反常的神经元的超同步放电引起。为了更好地完成癫痫性发作的自动检测,文中提出了一种新的癫痫脑电融合特征提取方法。一方面,在基于Hjorth参数的振幅移动性与振幅复杂度的基础上,结合Hilbert变化提出了一种新的频率移动性与频率复杂度,然后将他们合成定义为改进的Hjorth参数特征;另一方面,结合二阶差分提出了一种改进的二阶差分样本熵。最后将改进的Hjorth参数特征与二阶差分样本熵一起作为融合特征放入超限学习机(ELM)中进行分类。数值实验结果表明,文中所提出的融合特征与ELM结合的癫痫性发作的自动检测方法与已有方法相比,检测性能有了很大提高,准确率可达到97.42%。 |
| 关 键 词： | 癫痫脑电 Hjorth参数 差分 样本熵 超限学习机(ELM) |
A novel fusion feature extraction method for epileptic EEG |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |