基于经验小波变换与相空间重构的癫痫发作与发作间期 EEG 信号分类
信号处理
2019-03-26 v1
摘要
癫痫是一种由于神经元异常活动引起的大脑疾病，记录癫痫发作是评估癫痫患者的主要关注点。癫痫发作是局部区域或整个大脑的节律性放电现象，个体行为通常持续数秒至数分钟。在本工作中，应用经验小波变换（EWT）将信号分解为脑电图（EEG）节律。使用 EWT 将 EEG 信号分离为 delta、theta、alpha、beta 和 gamma 节律。所提出的方法已通过可从波恩大学网站免费下载的基准数据集进行了评估。从重构相空间（RPS）节律的二维投影中计算 95% 置信椭圆面积作为特征，并将其输入 K 近邻分类器以检测癫痫发作（S）和发作间期（SF）EEG 信号。我们提出的方法在 S 和 SF EEG 信号分类中采用十折交叉验证策略实现了 98% 的准确率，高于以往技术。
引用
@article{arxiv.1903.09728,
title = {Classification of seizure and seizure-free EEG signals based on empirical wavelet transform and phase space reconstruction},
author = {Hesam Akbari and Somayeh Saraf Esmaili and Sima Farzollah Zadeh},
journal= {arXiv preprint arXiv:1903.09728},
year = {2019}
}