融合互信息和支持向量机的癫痫自动检测算法

摘要：

脑电图( Electroencephalogram,EEG)是通过电极记录下来的脑神经细胞群的自发性、节律性电活动,是癫痫诊断中最重要的一项检查工具。文中提出了一种新的基于互信息( Mutual Information,MI)和支持向量机( Support Vector Machine, SVM)的特征提取和分类的方法,可以高效地区分正常脑电信号和癫痫脑电信号,并分别对比了相同维度下不同特征向量组合以及不同维度的特征向量组合的分类效果。除此之外,还对比了文中算法与其他常用算法的分类效果和算法效率。实验结果表明,由两类脑电信号的互信息序列提取的以均值、方差组成的二维特征向量,具有运算简单、分类准确率高的优点,同时文中算法比其他常用算法具有更快的运算速度,这对于临床实时监控癫痫是否发作具有积极的指导意义。

关键词：互信息、支持向量机、脑电信号、特征提取、癫痫自动检测

所属期刊栏目：26

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61003237;江苏省高校自然科学研究项目10KJB510018

在线出版日期：2016-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：133-137