典型文献
基于MPE-ANN-SVM的癫痫脑电检测分类研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
石雨菲;王瑶;胡珊;田翔华;陈子怡;周毅
作者机构：
中山大学 中山医学院,广州510080;中山大学 生物医学工程学院,广州510006;新疆医科大学 医学工程技术学院,乌鲁木齐830011;中山大学附属第一医院,广州510080
文献出处：
引用格式：
[1]石雨菲;王瑶;胡珊;田翔华;陈子怡;周毅-.基于MPE-ANN-SVM的癫痫脑电检测分类研究)[J].生物医学工程研究,2022(04):353-358
A类：
B类：
MPE,ANN,癫痫脑电,脑电检测,检测分类,分类研究,自动分类,分类算法,泛化性,非线性动力学,多尺度排列熵,分类决策,脑电分类,分类模型,临床数据,次测试,识别率,模型分类,分类指标,人工神经网络模型,基线模型,检测算法,算法研究,脑电信号
AB值：
0.316492
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
