基于MPE-ANN-SVM的癫痫脑电检测分类研究
石雨菲1
王瑶2
胡珊1
田翔华3
陈子怡4
周毅1
1.中山大学 中山医学院,广州5100802.中山大学 生物医学工程学院,广州5100063.新疆医科大学 医学工程技术学院,乌鲁木齐8300114.中山大学附属第一医院,广州510080
摘要：针对以往检测癫痫的脑电自动分类算法存在泛化性和鲁棒性不足的问题,本研究综合了非线性动力学与机器学习的优点,使用多尺度排列熵(MPE)与人工神经网络提取脑电特征、支持向量机进行分类决策,提出了基于MPE-ANN-SVM的癫痫脑电分类模型.该模型在13例临床数据上多次测试,平均识别率、敏感性和特异性分别达到94.01％、94.51％和93.52％.该模型分类指标均优于同样本下的人工神经网络模型分类结果与支持向量机基线模型,能够为癫痫脑电检测算法研究提供支持.
关键词：癫痫脑电信号脑电检测非线性动力学机器学习多尺度排列熵人工神经网络支持向量机
分类号：R318(医用一般科学)TP391(计算技术、计算机技术)
资助基金：国家重点研发计划(2021YFC2009402)国家重点研发计划(2022YFC3601600)国家自然科学基金(61876194)广东省自然科学基金资助项目(2021A1515011897)广州市重点研发计划(20220610028)
论文发表日期：2022-12-25
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( 353-358 )
英文信息