基于脑电特征纹理与SVM分类的癫痫发作检测研究

• 作者: 孙成法 徐志萍
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 发作检测 支持向量机 纹理特征 局部二值模式
• 年，卷（期）: 2019,（5Z）
• 页码范围: 166-168
• 页数: 3页
• 分类号: TN710

摘要

癫痫发作诊断依靠人工检测既耗时效率又低并影响检测结果的准确性,自动检测系统可以有效地帮助医生加快检测与诊断。本文采用了一维均匀局部二值模式脑电特征纹理技术与支持向量机分类器对癫痫脑电信号进行自动检测识别。首先应用离散小波变换对原始脑电信号分解,然后在分解后的信号中提取一维均匀局部二值模式纹理特征。在提取的特征集中训练学习支持向量机分类器并进行检测识别。最后采用后处理多级融合技术对检测结果进行处理以提高准确率。该算法在公共脑电数据集上测试,在基于片段的评估上获取最高准确率为99.86%和平均敏感性为96.19%,并在基于事件的评估上获得平均敏感性95.31%,该方法可以对癫痫脑电信号有效分类识别。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙成法	山东师范大学物理与电子学院	2	1	1.0	1.0
2	徐志萍	山东师范大学物理与电子学院	2	1	1.0	1.0