基于脑电信号的癫痫疾病智能诊断与研究

摘要：

针对医疗诊断中癫痫脑电信号分类准确率低、分类类别少的问题,依据粒子群算法和支持向量机理论,提出了一种基于粒子群算法优化支持向量机参数的信号分类检测技术.首先利用小波分析对脑电信号进行5层分解与重构,然后提取含有癫痫特征频率的3、4、5层重构信号的波动系数和近似熵等特征,计算不同状态不同尺度的脑电信号能量,根据不同状态不同尺度的能量分布,调整特征向量的系数.最后使用粒子群算法优化的支持向量机对脑电信号进行分类.实验结果表明,本文提出的方法可以正确识别健康、癫痫发作间期、癫痫发作期3种类型脑电信号,最终的识别率可以达到99.83％.

关键词：癫痫脑电信号、波动系数、近似熵、粒子群算法、支持向量机

所属期刊栏目：23

分类号：TP391.4;R318.04(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金F2016022

在线出版日期：2018-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：91-98