面向特征融合的脑卒中脑电信号分类方法

摘要：

为了实现脑卒中患者中脑梗死、脑出血两类疾病脑电信号的高效分类与检测,提出了一种基于小波包能量与近似熵特征提取结合的脑电自动分类预测方法.将输入的脑卒中病人的脑电信号进行小波包分解,提取各个频段的能量并降维,而后与近似熵融合作为特征向量,并用支持向量机算法对其进行分类.研究结果表明该方法有较强的脑电特征分类识别能力,进一步单独提取原始脑电信号α波段的信号进行分类,得到了更优的分类效果,脑卒中脑电信号的分类准确率可以达到98.36%.这对临床上实现脑卒中疾病的智能预测具有辅助决策作用.

关键词：脑电图、脑卒中、α波段、小波包能量、近似熵

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：山西省重点研发社发项目201803D31045;山西省自然科学基金201801D121138;山西省研究生教育创新计划2018BY051,2018SY023,2018SY024;山西省研究生联合培养基地人才培养项目2017JD16;国家自然科学基金61376693;山西省优秀人才科技创新项目201605D211021;山西省重点研发计划201603D321060;吴阶平基金科研项目320675016129

在线出版日期：2020-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：154-158,258