基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法

• 作者: 凌至培 张新静 徐欣 王守岩 王心醉 黄永志
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 癫痫发作检测 最大相关和最小冗余准则 极限学习机 支持向量机 反向传播算法
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 行业与领域应用
• 页码范围: 3614-3617
• 页数: 4页
• 分类号: TP183
• 字数: 3509字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.12.3614

摘要

癫痫发作检测可以实现脑电分类和病灶定位,对癫痫的临床治疗具有重要意义.针对大数据量、高特征值空间长程脑电的快速和准确分类问题,提出一种基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法.对脑电信号进行短时傅里叶变换,并选取能量时频分布为特征,利用基于最大相关和最小冗余准则的方法进行特征选择,并使用极限学习机、支持向量机和反向传播算法对癫痫不同状态进行分类和判别.实验结果表明,极限学习机的分类准确率和训练速度两方面性能优于支持向量机和反向传播算法,发作间期和发作期的分类准确率达到98％以上,训练时间仅为0.8s,所提方法能够实时准确地检测癫痫发作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐欣		10	23	4.0	4.0
2	王心醉	中国科学院苏州生物医学工程技术研究所	7	86	4.0	7.0
3	王守岩	中国科学院苏州生物医学工程技术研究所	13	36	3.0	5.0
4	凌至培		4	13	3.0	3.0
5	张新静	中国科学院苏州生物医学工程技术研究所	2	3	1.0	1.0
14	黄永志	中国科学院苏州生物医学工程技术研究所	6	8	2.0	2.0