一种基于改进经验模态分解的癫痫脑电识别新方法

摘要：

在临床癫痫诊断过程中,为了提高癫痫脑电的识别率,能在癫痫发作前期就预测到癫痫疾病,其特征波的提取至关重要.针对这一问题,提出将平行延拓与镜像延拓相结合来改进EMD算法.首先,使用平行延拓的方法,在原始脑电信号的左、右端点处分别预测出一个极值;然后,使用基于镜像延拓的EMD方法,对信号进行镜像延拓,以避免经验模态分解过程中的端点效应;最后,采用支持向量机进行信号的分类识别.算法验证数据取自德国伯恩大学癫痫研究中心的脑电数据库,其中50例是正常脑电信号、50例是癫痫发作间期的脑电信号.实验研究表明:该方法对总测试脑电信号的识别率达到94％.其中,正常脑电信号和癫痫脑电信号的独立识别率均为94％,比传统EMD算法处理后的脑电识别率提高了5％,可见该方法可以有效地预测癫痫脑电.

关键词：癫痫脑电、平行延拓、镜像延拓、经验模态分解(EMD)、支持向量机(SVM)

所属期刊栏目：32

分类号：R318.08(医用一般科学)

资助基金：吉林省科技厅项目20121006

在线出版日期：2014-02-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：663-669