融合深度和浅层特征的多视角癫痫检测算法

摘要：

癫痫是一种常见的精神疾病.通过分析EEG信号可以监控癫痫病人的状态,在病人发病时及时地发现并且介入来保护病人的生命安全.在癫痫检测研究中,如何获得有效的特征和构建有效的分类器是癫痫检测和识别的关键.为了获得更好的癫痫检测效果,提出了一种融合深度和浅层特征的多视角癫痫检测算法.该算法首先使用FFT和WPD来获取EEG信号频域和时频域的浅层特征;然后使用CNN网络学习得到频域和时频域的深度特征;进一步使用多视角TSK模糊系统对浅层和深度特征进行分类模型的构建.实验研究表明,在EEG信号癫痫检测方面,提出的浅层特征和深度特征的效果与PCA、LDA等常用的特征提取方法相比均高出1％以上;使用融合深度特征和浅层特征的多视角癫痫检测算法的分类效果比单视角算法的检测效果均高出1％以上,比单视角算法的平均检测效果高出5％以上.

关键词：EEG、癫痫检测、多视角、特征提取、深度学习

所属期刊栏目：14

分类号：TP181(自动化基础理论)

资助基金：The Outstanding Youth Foundation of Jiangsu Province under Grant No.BK20140001江苏省杰出青年基金项目;the National Nat-ural Science Foundation of China under Grant No.61772239国家自然科学基金面上项目

在线出版日期：2020-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：1712-1726