基于EMD和SVM的抑郁症静息态脑电信号分类研究

发布时间：2018-01-10 04:02

本文关键词：基于EMD和SVM的抑郁症静息态脑电信号分类研究　出处：《山东大学学报(工学版)》2017年03期 　论文类型：期刊论文

【摘要】：以静息态脑电信号为基础,通过固有模态分解(empirical mode decomposition,EMD)算法对脑电信号进行信号去噪和特征值提取,通过支持向量机(support vector machine,SVM)算法对抑郁症患者和正常对照组人群的脑电特征值进行分类分析。通过系统化的数据采集试验,采集了20位抑郁症患者和25位健康对照组的静息态脑电信号;对静息态脑电信号进行信号的去噪和特征提取;采用SVM算法对抑郁症患者和正常人对照组脑电特征值进行二值分类,分类正确率达到93.3%。相较于传统的小波变换提取的特征值,分类准确率有明显的提高。
[Abstract]:On the basis of resting EEG signal, the intrinsic mode decomposition is used to decompose the spontaneous mode decomposition. The EMD algorithm carries on the signal denoising and the characteristic value extraction to the EEG signal, and uses the support vector machine to support vector machine. SVM algorithm was used to classify and analyze the EEG characteristic values of depression patients and normal controls. Resting EEG signals were collected from 20 patients with depression and 25 healthy controls. The signal denoising and feature extraction of resting EEG signal are carried out. The SVM algorithm was used to classify the EEG eigenvalues of depression patients and normal controls, and the classification accuracy was 93.3%. Compared with the traditional wavelet transform, the eigenvalues were extracted. The classification accuracy is improved obviously.
【作者单位】：北京工业大学电子信息与控制工程学院;磁共振成像脑信息学北京市重点试验室;脑信息智慧服务北京国际科技合作基地;北方工业大学;
【基金】：国家重点基础研究发展计划资助项目(2014CB744600)
【分类号】：R749.4;TN911.7
【正文快照】： 0引言抑郁症是一种常见的慢性复发精神科疾病。病人的表现是,心情持续低落,伴有相应的思维和行为的改变,并且具有反复发作的倾向,间歇期精神正常[1-2]。WTO最新统计显示全球抑郁症患者患病率达12.8%,并预计2020年抑郁症将成为全球第二大疾病。抑郁症患者脑电(electroencephalo

【相似文献】