科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对以往检测癫痫的脑电自动分类算法存在泛化性和鲁棒性不足的问题，本研究综合了非线性动力学与机器学习的优点，使用多尺度排列熵(MPE)与人工神经网络提取脑电特征、支持向量机进行分类决策，提出了基于MPE-ANN-SVM的癫痫脑电分类模型。该模型在13例临床数据上多次测试，平均识别率、敏感性和特异性分别达到94.01%、94.51%和93.52%。该模型分类指标均优于同样本下的人工神经网络模型分类结果与支持向量机基线模型，能够为癫痫脑电检测算法研究提供支持。
- 单位
针对以往检测癫痫的脑电自动分类算法存在泛化性和鲁棒性不足的问题，本研究综合了非线性动力学与机器学习的优点，使用多尺度排列熵(MPE)与人工神经网络提取脑电特征、支持向量机进行分类决策，提出了基于MPE-ANN-SVM的癫痫脑电分类模型。该模型在13例临床数据上多次测试，平均识别率、敏感性和特异性分别达到94.01%、94.51%和93.52%。该模型分类指标均优于同样本下的人工神经网络模型分类结果与支持向量机基线模型，能够为癫痫脑电检测算法研究提供支持。
