基于SVM分类器的癫痫脑电时空特征提取方法的研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3979/j.issn.1673-825X.202011230372

基于SVM分类器的癫痫脑电时空特征提取方法的研究

引用
癫痫发作具有突发性和反复性,给患者的生命安全带来巨大隐患.为了给患者提供有效的预警,结合时间和空间两个维度,选取模糊熵和皮尔逊相关性作为特征参数,分别衡量时序信号复杂度和空间通道间的相关性;利用F-score筛选出最优特征组合,既增加了预测的准确率又去除冗余信息;利用支持向量机(support vector machine,SVM)分类器识别癫痫发作前期和发作间期的颅内脑电信号.为验证该特征的预测效果,进行了模糊熵或皮尔逊相关性单独作为特征参数的对比试验.实验结果表明,与单一特征相比,时空特征的预测效果更好,准确率高达91.26%,误报率仅为2.32%.该方法能有效提取癫痫特征信息,为癫痫的临床预警提供新思路.

癫痫、颅内脑电(EEG)、时空特征、模糊熵、皮尔逊相关、支持向量机(SVM)

34

TP391(计算技术、计算机技术)

国家自然科学基金;厅市共建中枢神经系统药物四川省重点实验室开放课题

2022-07-04(万方平台首次上网日期,不代表论文的发表时间)

共7页

444-450

相关文献
评论
暂无封面信息
查看本期封面目录

重庆邮电大学学报(自然科学版)

1673-825X

50-1181/N

34

2022,34(3)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn