脑磁图脑功能连接网络癫痫棘波识别方法研究

• 作者: 刘凯 尹春丽 张军鹏 张航宇 李彬 王玉平
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 静息态脑磁图 脑功能网络 机器学习 特征提取
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 136-142
• 页数: 7页
• 分类号: TP391
• 字数: 7038字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1901-0015

摘要

脑磁图(MEG)现在被广泛用于临床检查及很多领域的医学研究中,基于静息态的脑磁图脑网络分析能用于研究大脑生理或病理机制.脑磁图分析对癫痫疾病的诊断具有重要的参考价值.对癫痫脑磁信号的自动分类可以及时对患者的情况作出判断,在临床上有很重要的意义.现有文献中对癫痫脑电信号的自动分类方法的研究已比较充分,但对癫痫脑磁信号的研究比较薄弱.提出了一种基于脑功能连接网络的全频段机器学习癫痫脑磁棘波信号自动判别方法,对四种分类器进行了综合判别对比,选择了效果最优的分类器,判别准确率可达到93.8％.因此,该方法在脑磁图癫痫棘波的自动识别与标记方面有较好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王玉平	首都医科大学宣武医院神经内科	223	985	15.0	21.0
2	李彬	四川大学电气信息学院自动化系	40	172	6.0	12.0
3	刘凯	四川大学电气信息学院自动化系	109	453	10.0	18.0
4	张军鹏	四川大学电气信息学院自动化系	7	3	1.0	1.0
5	张航宇	四川大学电气信息学院自动化系	1	0	0.0	0.0
6	尹春丽	首都医科大学宣武医院神经内科	1	0	0.0	0.0