一种新颖的脑电信号棘慢波自动检测方法
信号处理
2020-11-02 v1 机器学习
应用统计
机器学习
摘要
脑电图(EEG)信号中的棘慢波放电(SWD)模式分类是信号处理中的一个关键问题。由于人工标记模式耗时、困难且易出错，开发一种用于长期EEG记录的SWD自动检测方法尤为重要。本文提出一种低计算复杂度的新检测方法，若遵循标准医学协议则易于训练。检测流程如下：首先，将每段EEG信号划分为若干时间片段，并对每个时间片段施加Morlet一维分解。然后从各片段的小波系数中提取三个参数：尺度(采用广义高斯统计模型)、方差与中位数。随后使用k近邻(k-NN)分类器依据这三个参数检测各EEG通道中的棘慢波模式。训练共使用106个棘慢波与106个非棘慢波，而分类使用来自六名受试者的69个新标注EEG片段。在此情况下，所提方法取得了100%准确率。这些结果为长期EEG记录中所谓失神癫痫的潜在成因研究带来了新机遇。
引用
@article{arxiv.1912.07123,
title = {A novel spike-and-wave automatic detection in EEG signals},
author = {Antonio Quintero-Rincón and Valeria Muro and Carlos D'Giano and Jorge Prendes and Hadj Batatia},
journal= {arXiv preprint arXiv:1912.07123},
year = {2020}
}
备注
8 pages, 3 figures