基于TQWT的癫痫脑电信号的识别

发布时间：2018-05-28 22:23

  本文选题：癫痫脑电 + 可调品质因子小波变换　； 参考：《生物医学工程研究》2017年04期

【摘要】：针对癫痫脑电(EEG)信号的识别问题,提出了一种基于可调品质因子小波变换(TQWT)的脑电特征提取方法。首先,利用TQWT将EEG信号进行分解,得到各个小波子波带;然后,根据癫痫异常波对应的频率范围,合理的选择小波子波带进行重构,提取有效值和峰峰值构成特征分量;最后,采用支持向量机进行分类。将所提出方法应用于癫痫脑电信号的识别中,以德国伯恩大学癫痫研究中心采集的典型脑电数据进行验证。实验分析结果表明,所提出的特征提取方法对正常和癫痫发作期EEG信号的分类准确率可达98%。
[Abstract]:A method of EEG feature extraction based on adjustable quality factor wavelet transform (TQWT) is proposed for the identification of epileptic EEG signal. First of all, the EEG signal is decomposed by TQWT, and each wavelet sub-band is obtained. Then, according to the frequency range of the epileptic abnormal wave, the wavelet band is reasonably selected to reconstruct, and the effective value and peak value are extracted to form the characteristic components. Support vector machine is used to classify. The proposed method is applied to the identification of epileptic EEG signals and verified by typical EEG data collected from the epilepsy research center of the University of Bourne in Germany. The experimental results show that the classification accuracy of the proposed feature extraction method for normal and epileptic EEG signals can reach 98%.
【作者单位】： 西安电子科技大学空间科学与技术学院;西安交通大学第二附属医院;
【基金】：西安交通大学临床新技术项目(XJLS-2015-179)
【分类号】：R742.1

【相似文献】

相关期刊论文 前10条

1 黄力宇,王旭萍;急性轻中度缺氧对脑电信号复杂度的影响[J];高原医学杂志;2000年04期

2 谈志强 ,罗晓曙;脑电信号的非线性动力学和现代谱分析方法研究进展[J];广西医学;2003年03期

3 韩敏;孙磊磊;洪晓军;韩杰;;基于自回归模型和关联向量机的癫痫脑电信号自动分类[J];中国生物医学工程学报;2011年06期

4 江澄川;陈公白;刘景铭;李盛昌;;脑电信号的调频磁带记录——介绍一种简易调频记录装置[J];神经精神疾病杂志;1981年06期

5 房志宇,安世德,陈质庵,杨泮池;地方性不明原因智能低下患儿脑电信号功率谱阵图分析[J];西安交通大学学报(医学版);1990年02期

6 梅村，何育芬;脑电信号的自适应分段和分类存档[J];北京邮电大学学报;1994年01期

7 孟欣,邵颉,欧阳楷,谭郁玲;脑电信号的复杂度在睡眠分期中的应用[J];山东生物医学工程;1998年01期

8 刘建成,蔡湛宇;脑电信号(EEG)分析方法的现状与发展[J];中国医学物理学杂志;1998年04期

9 傅金阶,罗晓曙,谈志强,郭维,马东坡,王力虎,韦保林;邻域比较数字滤波——一种对脑电信号进行滤波的有效方法[J];临床神经电生理学杂志;2001年02期

10 侯峰;刘绍明;;脑电信号分析与癫痫预测的研究[J];医学综述;2012年09期

相关会议论文 前5条

1 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

2 张伟;田心;;癫痫脑电整体及小波分量的相位同步性[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

3 欧阳高翔;崔素媛;李小俚;;基于脑电非线性动力学的癫痫发作分析[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

4 杨勇;李轶;杨文伟;赵波;白璐;李景琦;;严重意识障碍患者脑电信号特征及其临床诊断中应用[A];中国神经科学学会第十届全国学术会议论文摘要集[C];2013年

5 王伟荣;黄力宇;高莉;黄远桂;;脑电双谱指数作为神经网络输入预测癫痫发作[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

相关博士学位论文 前5条

1 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

2 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

3 游荣义;脑电信号非线性分析方法的研究[D];厦门大学;2003年

4 陈东伟;非线性动力学、因果脑网络与聚类稳定性在脑电信号分析中的应用研究[D];太原理工大学;2015年

5 袁野;癫痫脑电的非线性方法分析[D];吉林大学;2009年

相关硕士学位论文 前10条

1 野梅娜;脑电信号的非平衡数据处理及特征提取方法的研究[D];西北大学;2017年

2 薛吉星;多通道脑电信号采集与处理系统研究[D];华南理工大学;2015年

3 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

4 王琼颖;脑电信号的非线性动力学分析及其在睡眠分期中的应用[D];哈尔滨工业大学;2015年

5 倪迪;脑电检测的若干问题[D];南京大学;2013年

6 孙卓然;基于集成极限学习机的脑电信号分类研究[D];大连理工大学;2015年

7 裴运通;基于图像分析方法的癫痫脑电信号特征提取研究[D];兰州大学;2015年

8 刘琳;诱发脑电信号的采集与分析[D];河北科技大学;2015年

9 杨俊宇;基于SSVEP的脑机接口系统研究与设计[D];南京邮电大学;2015年

10 王莹;基于改进相对转移熵和自适应模版符号转移熵的脑电信号分析[D];南京邮电大学;2015年

，

本文编号：1948411