通过小波和图论指标从脑电图信号检测癫痫发作
神经元与认知
2023-12-05 v1 机器学习
定量方法
摘要
癫痫是最常见的神经系统疾病之一，癫痫发作是由于大脑中异常、过度和同步的活动而短暂发生的事件。来自大脑的脑电图信号可以被捕获、分析，然后在癫痫发作的检测和预测中发挥重要作用。在这项工作中，我们改进了先前依赖于小波变换不同特性的方法。这里我们应用最大重叠离散小波变换来减少信号噪声，并利用在不同固有频率水平上表现出的信号方差来开发头皮电极之间的各种连接指标。使用短时段时间窗以近似实时监测，结合从重建的降噪信号中导出的简单统计参数，我们启动癫痫发作检测。为了进一步提高性能，我们利用从导出的电极连接性中得出的图论指标。由此构建属性空间。我们利用开源软件和公开数据来突出我们方法相对于现有已发表方法的优越召回率/灵敏度性能。
引用
@article{arxiv.2312.00811,
title = {Seizure detection from Electroencephalogram signals via Wavelets and Graph Theory metrics},
author = {Paul Grant and Md Zahidul Islam},
journal= {arXiv preprint arXiv:2312.00811},
year = {2023}
}