基于加权复杂网络度熵和的癫痫发作检测方法

摘要：

癫痫发作检测一直是一项富有挑战性的工作,随着癫痫发病率的增加,高性能癫痫自动检测算法在临床上可以减轻医务工作者的工作量,具有重要的临床医学研究意义.提出基于加权水平可视图的癫痫检测新方法.首先利用加权水平可视图将单通道脑电信号转化为复杂网络,并提取生成的复杂网络的度的平方和权重度分布熵两个特征;最后将两个特征之和作为单特征输入到线性分类器中,用来识别癫痫间歇期和发作期信号.对波恩大学的癫痫脑电数据集进行实验,评价所提出的检测算法的性能.使用该癫痫脑电数据集间歇期和发作期各100个实验样本,样本长度为1 024.实验结果表明,所提出的方法具有较高的分类精度,可达到98.5％.由于分类的特征为单特征,所以更加简单高效,可用于癫痫发作在线自动检测.

关键词：癫痫发作检测、脑电信号、复杂网络、加权水平可视图

所属期刊栏目：38

分类号：R318(医用一般科学)

资助基金：国家自然科学基金61671220,61201428

在线出版日期：2019-07-22（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：273-280