科研之友
微信
新浪微博
Facebook
分享链接
摘要
为准确目视检查和解释脑电图（EEG），提出了一种信号异常检测方法来识别EEG中的癫痫发作信号。首先，使用小波变换将EEG分解为近似和细节系数，并根据阈值准则剔除不显著系数，从而限制小波系数的数量。其次，采用自编码器对离散小波系数进行编码。最后，对EEG进行分析以检测异常值，通过压缩特征集进行数据重构，使用分类器从无癫痫信号中检测癫痫；并使用波恩大学数据库，将所提方法与既有方法的性能进行比较。该方法使用线性和非线性机器学习分类器，从EEG数据中检测癫痫发作信号，分类的准确率、特异性达到了99.93%和100%。因此，所提方法具有较好的检测能力及鲁棒性，可以用简单的线性分类器区分EEG信号中的癫痫发作活动。该方法适用于时间序列信号分析，同时检测并判断异常。也可以为癫痫的诊断、治疗和评估提供客观参考，从而减轻医生的工作量，提高治疗效率。
- 单位
