基于脑电信号预发作数据段选取的癫痫发作预测

发布时间：2021-06-23 09:57

　　为了提高癫痫发作预测的准确性,提出针对病患个体进行癫痫发作预测的算法,包括特征提取、预发作数据段选取、特征挑选与导联挑选.算法采用半重叠的2 s窗对每个导联分别提取时频特征和空域特征.从发作前期选择与发作间期相比具有最大线性可分性的连续10 min数据作为预发作数据段的有效正样本.算法通过弹性网进行特征挑选,再基于所选特征通过贪婪算法选择有效导联,将有效导联的有效特征输入到分类器中.将该算法在MIT公共头皮脑电数据库和宣武医院收集的数据集上进行测试,测试结果为:在MIT数据库上的击中率为95.76%,假阳性率为0.107 3 h^-1;在宣武医院数据集上的击中率为97.80%,假阳性率为0.045 3 h^-1.结果表明,该算法具有较高的击中率和较低的假阳性率. 

【文章来源】：浙江大学学报(工学版). 2020,54(11)北大核心EICSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]癫痫发作的可预测性研究[J]. Mormann F.,Kreuz T.,Rieke C.,高中宝.  世界核心医学期刊文摘(神经病学分册). 2005(08)



本文编号：3244731