基于多维复杂度的精神分裂症脑磁信号区分

摘要：

为了更有效地识别脑磁信号，提出一种基于多维复杂度的脑磁信号分类方法。首先提取信号的AR模型系数、频带能量、近似熵和Lempel-Ziv复杂度作为特征。然后运用增L减R搜索算法结合距离准则选择通道。最后采用遗传算法选择特征子集，分别运用BP神经网络和SVM分类器检测特征子集的性能并对信号分类。实验结果表明精神分裂症患者的近似熵和Lempel-Ziv复杂度都高于正常人，患者的脑磁信号可能更加复杂。增 L减R搜索算法选择的通道大多分布在颞叶区，即颞叶区域的通道可能携带了更多的差异信息。采用BP神经网络和SVM对特征数据分类，分别得到了98.5%和99.75%的正确率。

关键词：精神分裂症、特征提取、特征选择、遗传算法、脑磁图(MEG)信号分类区分

所属期刊栏目：52

分类号：R318(医用一般科学)

资助基金：国家自然科学基金No.61271334。

在线出版日期：2016-12-20（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：12-18,24