典型文献
基于微状态方法的癫痫脑电信号识别研究
文献摘要：
癫痫发作时脑神经元异常放电,严重危及人的生命,准确识别癫痫脑电信号对癫痫诊断具有重大意义,对此使用微状态分析法对癫痫脑电信号进行识别研究.各选取11名癫痫患者和健康人,计算癫痫发作、癫痫未发作和健康人脑电微状态的传统特征(出现频率、平均持续时间、覆盖率和转移概率)、Hurst指数、动态特征(ACF和AIF),进行差异性分析并使用SVM进行分类.在1 Hz～40 Hz频段,癫痫发作和健康人、癫痫发作和癫痫未发作、癫痫未发作和健康人的传统特征、Hurst指数、动态特征均有显著差异,三种特征融合的准确率分别为99.9％、96.3％、96.3％,均高于其他频带(delta、theta、alpha、beta和gamma)的准确率.癫痫脑电微状态特征能被准确识别,1 Hz～40 Hz频段多参数特征融合能有效提高分类准确率.
文献关键词：
癫痫脑电;癫痫脑电信号识别;微状态分析法;多特征
中图分类号：
作者姓名：
熊馨;罗剑花;武瑞锋;林岚;贺建峰
作者机构：
昆明理工大学信息工程与自动化学院,云南 昆明650500;昆明医科大学第一附属医院神经内科,云南 昆明650032
文献出处：
引用格式：
[1]熊馨;罗剑花;武瑞锋;林岚;贺建峰-.基于微状态方法的癫痫脑电信号识别研究)[J].传感技术学报,2022(12):1671-1677
A类：
癫痫脑电信号识别,微状态分析法
B类：
癫痫发作,脑神经元,异常放电,准确识别,癫痫患者,健康人,人脑,脑电微状态,传统特征,转移概率,Hurst,动态特征,ACF,AIF,差异性分析,频段,特征融合,频带,delta,theta,alpha,beta,gamma,多参数,参数特征,分类准确率,多特征
AB值：
0.23659
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。
