【摘要】癫痫是一种常发的中枢神经失调疾病.基于脑电(EEG)的癫痫发作自动检测与准确识别在临床诊断和治疗上具有重要意义.本文首先采用经验模态分解(EMD)将被试者脑电信号分解成多个固有模态函数(IMF),然后计算低尺度IMF的去趋势波动指数、均值和标准差并组成特征向量,再由极限学习机(ELM)进行自动分类.经使用波恩大学和波士顿儿童医院的脑电数据集(含健康志愿者与癫痫患者)检测验证,结果表明本文所提出的自动检测与快速识别方法仅需较少训练样本即可达到较高的癫痫发作准确识别率(≥95%),具有较好临床应用价值.
【关键词】
全文来源于知网
光镊力谱系统双光束串扰因素研究 胡春光, 王国庆, 李宏斌, 胡晓东, 2017 32 7 ¥:0
收藏
空中光电位姿测量系统的抗干扰方法 王向军, 吕博 2017 78 6 ¥:0
收藏
1000~2500 nm宽波段的葡萄糖吸收光谱的测量波长优选 张紫杨, 孙迪, 刘冰洁, 孙翠迎, 刘 2017 193 6 ¥:0
收藏
视频中运动电车电线的实时自动检测跟踪算法 刘见昕, 蒲灿, 柴晓飞, 孔昭松, 汪 2017 199 7 ¥:0
收藏
防护热板法快速测量物质导热系数 索亚运, 李艳宁 2017 287 6 ¥:0
收藏