换一批摘要对于需要长期脑电图监测的癫痫患者，癫痫自动检测技术是十分必要的。本文所提出的基于多导联长程脑电的算法，首先，对脑电信号进行五层小波分解，取其中三层并求和，然后建立直方图并计算它们之间的距离。本文使用了一种有效的推土机距离算法，提出了脑电新特征EMD-L1。由于EMD-L1利用了 L1范式，有效降低了时间复杂度，提高了运算速度。本文采用支持向量机作为分类器，并对支持向量机的输出做了后处理，其中包括平滑滤波和“collar”技术，以获取更准确的检测结果。本文将所提出的方法与其他使用相同脑电数据库的癫痫检测方法相比较，实验结果表明本文提出的算法达到了较高的灵敏度95．73％、特异性98．45％以及较低的误判率0．33/h。该检测系统不但具有较高的精确度和较强的鲁棒性，而且可以对脑电数据进行实时分析，用于长期脑电监测中。
更多相关知识
关键词
脑电信号推土机距离EMD-L1支持向量机小波分解癫痫检测electroencephalograph (EEG ) signalsearth movers’ distance (EMD )EMD-L1support vector machine (SVM)wavelet decompositionseizure detection
分类号
TN911.7
DOI
10.3969/j.issn.1674-8042.2014.03.018
发布时间
2014-11-04（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
