换一批自回归模型和隐马尔可夫模型在癫痫脑电识别中的应用
Application of hidden Markov model and autoregressive model in detection of epileptic electroencephalogram
摘要目的 研究自回归(autoregressive model,AR)模型和隐马尔可夫模型(hidden Markov model,HMM)在癫痫脑电(electroencephalogram,EEG)识别中的应用,以期减轻医生工作量,减少人工识别主观因素的影响.方法 使用基于联合信息准则(combined information criterion,CIC)的最佳阶数AR模型对脑电信号进行特征提取,连续密度隐马尔可夫模型(continuous density hidden Markov model,CD-HMM)作为正常脑电和癫痫脑电的分类工具,对南京军区总医院的临床脑电数据(8组采样频率为512 Hz的16导正常、癫痫脑电信号)进行分析和识别.实验时对每一例样本选取T3、T4、FP1、FP2、C3、C4六个导联的数据.使用训练集中的15段样本进行HMM建模,剩下35段用作测试.结果 癫痫脑电的识别率可达90%.结论 AR模型结合HMM建模的方法对正常脑电信号和癫痫脑电的识别率较高,在脑-机接口设备的开发中有一定的应用前景.
更多相关知识
关键词
癫痫脑电信号自回归模型隐马尔可夫模型脑机接口epilepsyelectroencephalogramautoregressive modelhidden Markov modelbrain-machine interface
分类号
R318.04（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1002-3208.2017.05.007
发布时间
2017-11-07（万方平台首次上网日期，不代表论文的发表时间）
- 浏览148
- 被引9
- 下载11
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
