基于跨层全连接神经网络的癫痫发作期识别

• 作者: 卢官明 柯亨进 王凤琴 肖新凤
• 来源期刊: 计算机应用研究
• 关键词: 聚类划分互信息 脑电 癫痫 同步 模式分类 跨层全连接神经网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 系统应用开发
• 页码范围: 2098-2103
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.01.0017

摘要

在缺乏足够先验知识下,自适应癫痫发作期识别异常困难.提出一种新的度量通道之间的同步特征计算方法(聚类划分互信息),以相关矩阵方式组织单窗口内全局同步特征模式,进而设计一种跨层全连接神经网络分类器,对非平稳同步特征模式实现自适应分类.实验表明该方法可获得[98.19％±0.24％]精确度,[98.27％±0.51％]敏感度和[98.11％±0.36％]特异度,超过了现有大部分方法的分类性能.另外,该方法无须去噪和去伪迹等预处理过程;而且其仅需设置一个超参数(时间窗),避免了过多的潜在错误参数设置而导致的分类性能的降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢官明	南京邮电大学信息与通信工程学院	74	904	16.0	29.0
2	王凤琴	湖北师范大学物理与电子科学学院	7	16	3.0	3.0
3	肖新凤		16	13	2.0	3.0
4	柯亨进	武汉大学计算机学院	2	3	1.0	1.0