文献类型：期刊文章

作　　者：张汉勇[1] 孟庆芳[1] 杜蕾[1] 刘明敏[1]

Zhang Hanyong;Meng Qingfang;Du Lei;Liu Mingmin(Shandong Provincial Key Laboratory of Network Based Intelligent Computing,School of Information Science and Engineering,University of Jinan,Jinan 250022,China)

机构地区：[1]济南大学信息科学与工程学院,山东省网络环境智能计算技术重点实验室,济南250022

出　　处：《中国生物医学工程学报》

基　　金：国家自然科学基金(61671220,61201428)

年　　份：2019

卷　　号：38

期　　号：3

起止页码：273-280

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EMBASE、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：癫痫发作检测一直是一项富有挑战性的工作,随着癫痫发病率的增加,高性能癫痫自动检测算法在临床上可以减轻医务工作者的工作量,具有重要的临床医学研究意义。提出基于加权水平可视图的癫痫检测新方法。首先利用加权水平可视图将单通道脑电信号转化为复杂网络,并提取生成的复杂网络的度的平方和权重度分布熵两个特征;最后将两个特征之和作为单特征输入到线性分类器中,用来识别癫痫间歇期和发作期信号。对波恩大学的癫痫脑电数据集进行实验,评价所提出的检测算法的性能。使用该癫痫脑电数据集间歇期和发作期各100个实验样本,样本长度为1 024。实验结果表明,所提出的方法具有较高的分类精度,可达到98.5%。由于分类的特征为单特征,所以更加简单高效,可用于癫痫发作在线自动检测。

关 键 词：癫痫发作检测  脑电信号 复杂网络 加权水平可视图  

分 类 号：R742.1] TN911.6[临床医学类]