文献类型：期刊文章

作　　者：易芳吉[1] 钟丽莎[2,3] 李章勇[1]

YI Fangji;ZHONG Lisha;LI Zhangyong(School of Bioinformatics,Chongqing University of Posts and Telecommunications,Chongqing 400065,P.R.China;School of Medical Information and Engineering,Southwest Medical University,Luzhou 646000,P.R.China;Central Nervous System Drug Key Laboratory of Sichuan Province,Luzhou 464000,P.R.China)

机构地区：[1]重庆邮电大学生物信息学院,重庆400065 [2]西南医科大学医学信息与工程学院,四川泸州646000 [3]厅市共建中枢神经系统药物四川省重点实验室,四川泸州646000

出　　处：《重庆邮电大学学报（自然科学版）》

基　　金：国家自然科学基金(61571070);厅市共建中枢神经系统药物四川省重点实验室开放课题(200027-01SZ)。

年　　份：2022

卷　　号：34

期　　号：3

起止页码：444-450

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：癫痫发作具有突发性和反复性,给患者的生命安全带来巨大隐患。为了给患者提供有效的预警,结合时间和空间两个维度,选取模糊熵和皮尔逊相关性作为特征参数,分别衡量时序信号复杂度和空间通道间的相关性;利用F-score筛选出最优特征组合,既增加了预测的准确率又去除冗余信息;利用支持向量机(support vector machine,SVM)分类器识别癫痫发作前期和发作间期的颅内脑电信号。为验证该特征的预测效果,进行了模糊熵或皮尔逊相关性单独作为特征参数的对比试验。实验结果表明,与单一特征相比,时空特征的预测效果更好,准确率高达91.26%,误报率仅为2.32%。该方法能有效提取癫痫特征信息,为癫痫的临床预警提供新思路。

关 键 词：癫痫 颅内脑电(EEG)  时空特征  模糊熵 皮尔逊相关  支持向量机(SVM)  

分 类 号：TP391]