自回归模型和隐马尔可夫模型在癫痫脑电识别中的应用

作者：李飞; 戴加飞; 李锦; 王俊; 侯凤贞

来源：北京生物医学工程, 2017, 36(05): 478-482.

DOI：10.3969/j.issn.1002-3208.2017.05.007

• 癫痫
• 脑电信号
• 自回归模型
• 隐马尔可夫模型
• 脑机接口

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。

• 单位
  南京邮电大学; 神经内科; 中国药科大学; 陕西师范大学; 南京军区南京总医院