基于EMD和混合特征的癲癇腦電信號(hào)識(shí)別研究.pdf

1、癲癇是神經(jīng)科第二大疾病，僅在中國(guó)患病人數(shù)就高達(dá)九百多萬(wàn);在傳統(tǒng)的醫(yī)療診斷中，普遍采用人工閱讀腦電信號(hào)的方法，該方法不僅效率低，且由于醫(yī)療資源分配不均以及醫(yī)生經(jīng)驗(yàn)不足等原因使得誤診的情況時(shí)常發(fā)生，自動(dòng)識(shí)別癲癇腦電信號(hào)，能有效避免誤診的情況，使患者盡早確診疾病，得到及時(shí)的醫(yī)治。
　　癲癇腦電信號(hào)的自動(dòng)識(shí)別包括兩個(gè)部分:特征提取和特征分類(lèi)，其中最重要的部分是特征提取。在腦電信號(hào)的特征提取過(guò)程中，特征向量包含腦電信號(hào)的信息是否全面并能否描

2、述癲癇腦電信號(hào)的特點(diǎn)是至關(guān)重要的，直接影響著癲癇腦電信號(hào)識(shí)別分類(lèi)的精度。
　　本文提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和混合特征的特征提取算法。首先利用經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)不同的腦電信號(hào)進(jìn)行自適應(yīng)地分解，得到一系列的模態(tài)本征函數(shù)，這些模態(tài)本征函數(shù)的階數(shù)按頻率高低來(lái)排列，即每個(gè)模態(tài)本征函數(shù)代表著不同頻段的腦電信號(hào)特征，選取對(duì)應(yīng)癲癇發(fā)作的頻率段的模態(tài)本征函數(shù)進(jìn)行腦電信號(hào)的序列重構(gòu)，得到一組新的腦電信號(hào)時(shí)間序列，再對(duì)重構(gòu)后的新序列進(jìn)行基于線性方

3、法和非線性方法的特征提取，分別對(duì)應(yīng)于腦電信號(hào)的線性特征信息和非線性特征信息，然后將線性特征向量和非線性特征向量進(jìn)行特征融合，得到該算法的混合特征向量，使混合特征向量能夠更全面地描述癲癇腦電信號(hào)的信息，最后將融合后得到的特征向量作為分類(lèi)器的輸入數(shù)據(jù)進(jìn)行腦電信號(hào)的自動(dòng)識(shí)別分類(lèi)。本文對(duì)此進(jìn)行了一系列的仿真實(shí)驗(yàn)，其結(jié)果表明:使用本文所提特征提取的算法能夠更好的描述癲癇腦電信號(hào)的特征，從而更便于分類(lèi)器識(shí)別分類(lèi)，分類(lèi)器選定極限學(xué)習(xí)機(jī)，訓(xùn)練時(shí)間短，識(shí)