基于经验模态分解和极限学习机的癫痫脑电提取分类研究

• 作者: 宋玉龙 赵冕 郑威
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 关键词: 脑电信号 经验模态分解 本征模态函数分量 样本熵 特征向量 极限学习机
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 论著
• 页码范围: 263-268
• 页数: 6页
• 分类号: R318|TP391
• 字数: 3973字
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2019.03.01

摘要

癫痫疾病发作时,脑电(electroencephalogram,EEG)信号中含有大量的癫痫特征信息,癫痫EEG信号的提取识别和分类研究,对癫痫的预防和治疗具有重大的意义.我们采用经验模态分解(empirical mode decomposition,EMD)算法对发作期、发作间期的EEG进行分解,计算分解后的主要本征模态函数(intrinsic mode function,IMF)分量的波动指数、均值和样本熵值,并组成一组特征向量输入到极限学习机(extreme learning machine,ELM)内进行识别分类.实验结果表明,在需要较少训练样本下,ELM识别分类的准确率达到97％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑威	江苏科技大学电子信息学院	14	33	2.0	5.0
2	赵冕	江苏科技大学电子信息学院	3	2	1.0	1.0
3	宋玉龙	江苏科技大学电子信息学院	3	2	1.0	1.0