基于组合标签与遗传算法的癫痫发作分类
信号处理
2022-08-22 v4 机器学习
神经与进化计算
摘要
癫痫影响全球 5000 万人，是最常见的严重神经系统疾病之一。发作检测与分类是诊断和维持病情的有价值工具。自动化分类算法将实现准确诊断。利用坦普尔大学医院（TUH）癫痫语料库，比较了六种发作类型：失神、复杂部分性、肌阵挛、简单部分性、强直和强直-阵挛模型。本研究提出一种利用独特特征与新型并行分类器——并行遗传朴素贝叶斯（NB）发作分类器（PGNBSC）的方法。PGNBSC 算法搜索特征，并通过每次重新分类数据，构建最优搜索准则矩阵。脑电图的发作期被分割为 1.8 s 窗口，随后将 epoch 进一步分解为来自第一本征模态函数（IMF）的 13 种不同特征。在第一模型中，使用原始 NB 分类器比较特征。第二模型通过使用遗传算法（二进制灰狼优化，方案 1）与 NB 分类器加以改进。第三模型组合简单部分性与复杂部分性发作，在三种模型中针对六种发作均提供最高分类准确率（第一、第二和第三模型分别为 20%、53% 和 85%）。
引用
@article{arxiv.2110.01742,
title = {Epileptic Seizure Classification Using Combined Labels and a Genetic Algorithm},
author = {Scot Davidson and Niamh McCallan and Kok Yew Ng and Pardis Biglarbeigi and Dewar Finlay and Boon Leong Lan and James McLaughlin},
journal= {arXiv preprint arXiv:2110.01742},
year = {2022}
}
备注
6 pages, 3 figures, accepted for publication at the 21st IEEE Mediterranean Electrotechnical Conference (MELECON 2022)