离散差分模块在癫痫脑电分类中的应用

• 作者: 潘奕竹 沈娜
• 来源期刊: 电子测量技术
• 关键词: 卷积神经网络 特征提取 脑电信号分类 多阶差分
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 理论与算法|Theory and Algorithms
• 页码范围: 70-75
• 页数: 6页
• 分类号: TN911.72
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2005361

摘要

针对癫痫脑电信号多分类的精度提升问题,提出了一种基于信号转差分模块与卷积模块结合的分类算法.信号转差分模块对原始脑电信号进行多阶差分运算,得到描述其波动特征的差分表示;然后卷积模块动态学习的方式将差分脑电信号转换为图片,利用预训练的卷积神经网络来提取信号特征并实现自动分类.分类结果表明,与现有研究相比,所提出的方法的最高提升了8.1％的分类准确率.在两分类问题上达到了 99.8％的分类准确率,在三分类问题上获得了 92.8％的准确率,在五分类问题上取得了 86.7％的准确率.说明信号转差分模块对于脑电信号分类问题有积极作用.