中国神经再生研究(英文版)

中国神经再生研究(英文版) ›› 2013, Vol. 8 ›› Issue (20): 1844-1852.doi: 10.3969/j.issn.1673-5374.2013.20.003

• 原著:脑损伤修复保护与再生 • 上一篇    下一篇

近似熵与支持向量机结合进行癫痫脑电图信号分类

  

  • 收稿日期:2013-03-17 修回日期:2013-06-18 出版日期:2013-07-15 发布日期:2013-07-15

Approximate entropy and support vector machines for electroencephalogram signal classification

Zhen Zhang1, Yi Zhou1, Ziyi Chen2, Xianghua Tian3, Shouhong Du3, Ruimei Huang1   

  1. 1 Department of Biomedical Engineering, Zhongshan School of Medicine, Sun Yat-sen University, Guangzhou 510080, Guangdong Province, China
    2 Department of Neurology, First Affiliated Hospital of Sun Yat-sen University, Guangzhou 510080, Guangdong Province, China
    3 College of Medical Engineering and Technology, Xinjiang Medical University, Urumqi 830011, Xinjiang Uygur Autonomous Region, China
  • Received:2013-03-17 Revised:2013-06-18 Online:2013-07-15 Published:2013-07-15
  • Contact: Yi Zhou, M.D., Master’s supervisor, Associate professor, Department of Biomedical Engineering, Zhongshan School of Medicine, Sun Yat-sen University, Guangzhou 510080, Guangdong Province, China, zhouyi@mail.sysu.edu.cn.
  • About author:Zhen Zhang, Master.

PDF

1147

摘要：

自动探测和识别脑电癫痫波对于临床上预测癫痫发作和辅助医师诊断治疗具有重要意义。因此，实验将非线性动力学指标--近似熵与具有较强泛化能力的支持向量机相结合，对癫痫发作间歇期的脑电图信号和发作期脑电图信号进行分类，通过分类结果来检验近似熵是否可有效运用于脑电癫痫波的自动实时探测，并验证由非线性动力学指标训练的分类器的泛化能力。选取4例部分性癫痫发作患者，均属于新皮质类癫痫局部性癫痫且都明确病灶起源的脑电癫痫波。将4例患者的脑电图数据分段并提取各段特征值即近似熵，以1例癫痫患者的脑电图数据所提取的近似熵值用于构建支持向量机分类器，然后用该分类器对另外3例患者的脑电癫痫波进行分类，准确率达93.33%。说明用非线性动力学指标--近似熵能够有效对癫痫脑电图数据进行自动实时探测。近似熵与支持向量机结合进行癫痫脑电图信号分类法构建的分类器具有良好的泛化能力。

关键词: 神经再生, 脑损伤, 癫痫, 脑电图, 非线性动力学, 近似熵, 支持向量机, 自动实时探测, 分类, 泛化能力, 基金资助文章

中图分类号: