自回归模型和隐马尔可夫模型在癫痫脑电识别中的应用

• 作者: 侯凤贞 戴加飞 李锦 李飞 王俊
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 癫痫 脑电信号 自回归模型 隐马尔可夫模型 脑机接口
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 论著
• 页码范围: 478-482
• 页数: 5页
• 分类号: R318.04
• 字数: 3415字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2017.05.007

摘要

目的 研究自回归(autoregressive model,AR)模型和隐马尔可夫模型(hidden Markov model,HMM)在癫痫脑电(electroencephalogram,EEG)识别中的应用,以期减轻医生工作量,减少人工识别主观因素的影响.方法 使用基于联合信息准则(combined information criterion,CIC)的最佳阶数AR模型对脑电信号进行特征提取,连续密度隐马尔可夫模型(continuous density hidden Markov model,CD-HMM)作为正常脑电和癫痫脑电的分类工具,对南京军区总医院的临床脑电数据(8组采样频率为512 Hz的16导正常、癫痫脑电信号)进行分析和识别.实验时对每一例样本选取T3、T4、FP1、FP2、C3、C4六个导联的数据.使用训练集中的15段样本进行HMM建模,剩下35段用作测试.结果 癫痫脑电的识别率可达90%.结论 AR模型结合HMM建模的方法对正常脑电信号和癫痫脑电的识别率较高,在脑-机接口设备的开发中有一定的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯凤贞	中国药科大学理学院	23	95	6.0	9.0
2	王俊	南京邮电大学图像处理与图像通信江苏省重点实验室	88	317	10.0	14.0
3	戴加飞	南京军区南京总医院神经内科	24	163	7.0	12.0
4	李飞	南京邮电大学图像处理与图像通信江苏省重点实验室	55	356	11.0	16.0
5	李锦	陕西师范大学物理学与信息技术学院	44	345	9.0	17.0