基于多维复杂度的精神分裂症脑磁信号区分

• 作者: 张学军 彭丽艳 成谢锋 黄丽亚
• 来源期刊: 计算机工程与应用
• 学科: 医学
• 关键词: 精神分裂症 特征提取 特征选择 遗传算法 脑磁图(MEG)信号分类区分
• 年，卷（期）: 2016,（23）
• 所属期刊栏目: 热点与综述
• 页码范围: 12-18,24
• 页数: 8页
• 分类号: R318
• 字数: 7544字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1603-0391

摘要

为了更有效地识别脑磁信号，提出一种基于多维复杂度的脑磁信号分类方法。首先提取信号的AR模型系数、频带能量、近似熵和Lempel-Ziv复杂度作为特征。然后运用增L减R搜索算法结合距离准则选择通道。最后采用遗传算法选择特征子集，分别运用BP神经网络和SVM分类器检测特征子集的性能并对信号分类。实验结果表明精神分裂症患者的近似熵和Lempel-Ziv复杂度都高于正常人，患者的脑磁信号可能更加复杂。增 L减R搜索算法选择的通道大多分布在颞叶区，即颞叶区域的通道可能携带了更多的差异信息。采用BP神经网络和SVM对特征数据分类，分别得到了98.5%和99.75%的正确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	成谢锋	南京邮电大学电子科学与工程学院	79	608	14.0	20.0
3	张学军	南京邮电大学电子科学与工程学院	58	778	13.0	26.0
5	黄丽亚	南京邮电大学电子科学与工程学院	48	384	10.0	18.0
13	彭丽艳	南京邮电大学电子科学与工程学院	1	3	1.0	1.0