近似熵与SVM在自动分类癫痫脑电信号中的应用
张振1
杜守洪2
陈子怡3
田翔华2
周毅4
张洋5
1.中山大学中山医学院生物医学工程系,广东广州,5100802.新疆医科大学医学工程技术学院,新疆乌鲁木齐,8300113.中山大学附属第一医院神经内科,广东广州,5100804.中山大学中山医学院生物医学工程系,广东广州 510080;新疆医科大学医学工程技术学院,新疆乌鲁木齐 8300115.新疆医科大学第一附属医院神经内科,新疆乌鲁木齐,830011
摘要：采用近似熵(ApEn)与支持向量机(SVM)相结合的方法对癫痫发作间歇期EEG和发作期EEG进行自动识别分类,通过分类结果来检验非线性动力学指标是否可有效运用于脑电癫痫波的自动实时探测中并验证由非线性动力学指标训练的分类器的泛化能力.研究使用参考患者的脑电数据构建SVM分类器,在此分类器的基础上,对其他患者的脑电数据进行分类得到结果.结果表明利用非线性动力学指标训练的分类器具有良好的泛化能力,对不同患者的脑电数据的平均分类准确率达到较高水平.
关键词：癫痫EEG近似熵支持向量机实时探测分类
分类号：R318(医用一般科学)
资助基金：国家自然科学基金(61263011,81000554)中央高校基本科研业务费专项中山大学培育项目(11ykpy07)广东省自然科学基金(S2011010005309)新疆医科大学创新基金(XJC201209)
论文发表日期：2013-01-01
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：6( 74-79 )
英文信息