搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于递归量化分析与支持向量机的癫痫脑电自动检测方法

孟庆芳 陈珊珊 陈月辉 冯志全

基于递归量化分析与支持向量机的癫痫脑电自动检测方法

孟庆芳, 陈珊珊, 陈月辉, 冯志全
PDF
导出引用
导出核心图
  • 癫痫脑电信号的自动检测对癫痫的临床诊断与治疗具有重要意义. 基于递归图(recurrence plot)的递归量化分析(recurrence quantification analysis,RQA)重现了非线性时间序列的动力学行为,分析了其递归特性,本文提出了基于RQA的癫痫脑电信号特征提取方法. 实验结果表明:直接基于RQA特征的癫痫脑电的检测准确率较高,其中直接基于确定率DET的分类准确率可达到90.25%. 本文还把提取的RQA特征值和变化系数、波动指数相结合组成特征向量,输入到SVM分类器,实现癫痫脑电信号的自动检测;实验结果表明:该方法的分类准确率可达到99%.
    • 基金项目: 国家自然科学基金(批准号:61201428,61070130,61173079)、山东省自然科学基金(批准号:ZR2010FQ020,ZR2011FZ003)、山东省优秀中青年科学家科研奖励基金(批准号:BS2009SW003)和中国博士后科学基金(批准号:20100470081)资助的课题.
    [1]

    Meng Q F, Zhou W D, Chen Y H, Peng Y H 2010 Acta Phys. Sin. 59 123 (in Chinese) [孟庆芳, 周卫东, 陈月辉, 彭玉华 2010 物理学报 59 123]

    [2]

    Swiderski B, Osowski S, Rysz A 1995 Chaos 5 82

    [3]

    Kannathal N, Min L C, Rajendra A U, Sadasivan P K 2005 Computer Methods and Programs in Biomedicine 80 187

    [4]

    Kai C H, Sung N Y 2010 Computers in Biology and Medicine 40 823

    [5]

    Rajendra A U, Molinari F, Vinitha S S, Chattopadhyay S, Hoong N K, Suri J S 2012 Biomedical Signal Processing and Control 7 401

    [6]

    Yuan Q, Zhou W D, Li S F, Cai D M 2012 Chinese Journal of Scientific Instrument 33 514 (in Chinese) [袁琦, 周卫东, 李淑芳, 蔡冬梅 2012 仪器仪表学报 33 514]

    [7]

    Yuan Q, Zhou W D, Li S F, Cai D M 2011 Epilepsy Research 96 29

    [8]

    Cai D M, Zhou W D, Liu K, Li S F, Geng S J 2010 Chinese Journal of Biomedical Engineering 29 836 (in Chinese) [蔡冬梅, 周卫东, 刘凯, 李淑芳, 耿淑娟 2010 中国生物医学工程学报 29 836]

    [9]

    Eckmann J P, Kamphorst S O, Ruelle D 1987 Europhysics Letters 5 973

    [10]

    Acharya U R, Sree V, Chattopadhyay S, Yu W W, Alvin P C 2011 International Journal of Neural Systems 21 199

    [11]

    Thomasson N, Hoeppner T J, Webber C L, Zbilut J P 2001 Physics Letters A 279 94

    [12]

    Rajendra A U, Faustand O, Kannathal N 2005 Computer Methods and Programs in Biomedicine 80 37

    [13]

    Ouyang G X, Li X L, Dang C Y, Richards D A 2008 Clinical Neurophysiology 119 1747

    [14]

    Zhong J K, Song Z H, Hao W Q 2002 Acta Biophysica Sinica 18 241 (in Chinese) [钟季康, 宋志怀, 郝为强 2002 生物物理学报 18 241]

    [15]

    Marwan W N, Kurths J 2002 Phys. Rev. E 66 1539

    [16]

    Chen X M, Qiu Y H, Zhu Y S 2008 Journal of Biomedical Engineering 25 39 (in Chinese) [陈晓鸣, 邱意弘, 朱贻盛 2008 生物医学工程学杂志 25 39]

    [17]

    Liu X, Cheng J H, Lu H B, Zhang L P, Ma J, Dong X Z 2006 Space Medicine & Medical Engineering 19 394 (in Chinese) [刘欣, 程九华, 卢虹冰, 张立藩, 马进, 董秀珍 2006 航天医学与医学工程 19 394]

    [18]

    Deng N Y, Tian Y J 2004 A new method of data mining: support vector machines (Science Press) (in Chinese) [邓乃扬, 田英杰 2004 数据挖掘中的新方法-支持向量机(科学出版社)]

    [19]

    Cai D M, Zhou W D, Li S F, Wang J W, Jia G J, Liu X W 2011 Acta Biophysica Sinica 27 175 (in Chinese) [蔡冬梅, 周卫东, 李淑芳, 王纪文, 贾桂娟, 刘学伍 2011 生物物理学报 27 175]

    [20]

    Nicolaou N, Georgiou J 2012 Expert Systems with Applications 39 202

    [21]

    Ubeyli E D 2009 Digital Signal Processing 2009(19) 297

    [22]

    Song Y, Lio P 2010 Journal of Biomedical Science and Engineering 3 556

  • [1]

    Meng Q F, Zhou W D, Chen Y H, Peng Y H 2010 Acta Phys. Sin. 59 123 (in Chinese) [孟庆芳, 周卫东, 陈月辉, 彭玉华 2010 物理学报 59 123]

    [2]

    Swiderski B, Osowski S, Rysz A 1995 Chaos 5 82

    [3]

    Kannathal N, Min L C, Rajendra A U, Sadasivan P K 2005 Computer Methods and Programs in Biomedicine 80 187

    [4]

    Kai C H, Sung N Y 2010 Computers in Biology and Medicine 40 823

    [5]

    Rajendra A U, Molinari F, Vinitha S S, Chattopadhyay S, Hoong N K, Suri J S 2012 Biomedical Signal Processing and Control 7 401

    [6]

    Yuan Q, Zhou W D, Li S F, Cai D M 2012 Chinese Journal of Scientific Instrument 33 514 (in Chinese) [袁琦, 周卫东, 李淑芳, 蔡冬梅 2012 仪器仪表学报 33 514]

    [7]

    Yuan Q, Zhou W D, Li S F, Cai D M 2011 Epilepsy Research 96 29

    [8]

    Cai D M, Zhou W D, Liu K, Li S F, Geng S J 2010 Chinese Journal of Biomedical Engineering 29 836 (in Chinese) [蔡冬梅, 周卫东, 刘凯, 李淑芳, 耿淑娟 2010 中国生物医学工程学报 29 836]

    [9]

    Eckmann J P, Kamphorst S O, Ruelle D 1987 Europhysics Letters 5 973

    [10]

    Acharya U R, Sree V, Chattopadhyay S, Yu W W, Alvin P C 2011 International Journal of Neural Systems 21 199

    [11]

    Thomasson N, Hoeppner T J, Webber C L, Zbilut J P 2001 Physics Letters A 279 94

    [12]

    Rajendra A U, Faustand O, Kannathal N 2005 Computer Methods and Programs in Biomedicine 80 37

    [13]

    Ouyang G X, Li X L, Dang C Y, Richards D A 2008 Clinical Neurophysiology 119 1747

    [14]

    Zhong J K, Song Z H, Hao W Q 2002 Acta Biophysica Sinica 18 241 (in Chinese) [钟季康, 宋志怀, 郝为强 2002 生物物理学报 18 241]

    [15]

    Marwan W N, Kurths J 2002 Phys. Rev. E 66 1539

    [16]

    Chen X M, Qiu Y H, Zhu Y S 2008 Journal of Biomedical Engineering 25 39 (in Chinese) [陈晓鸣, 邱意弘, 朱贻盛 2008 生物医学工程学杂志 25 39]

    [17]

    Liu X, Cheng J H, Lu H B, Zhang L P, Ma J, Dong X Z 2006 Space Medicine & Medical Engineering 19 394 (in Chinese) [刘欣, 程九华, 卢虹冰, 张立藩, 马进, 董秀珍 2006 航天医学与医学工程 19 394]

    [18]

    Deng N Y, Tian Y J 2004 A new method of data mining: support vector machines (Science Press) (in Chinese) [邓乃扬, 田英杰 2004 数据挖掘中的新方法-支持向量机(科学出版社)]

    [19]

    Cai D M, Zhou W D, Li S F, Wang J W, Jia G J, Liu X W 2011 Acta Biophysica Sinica 27 175 (in Chinese) [蔡冬梅, 周卫东, 李淑芳, 王纪文, 贾桂娟, 刘学伍 2011 生物物理学报 27 175]

    [20]

    Nicolaou N, Georgiou J 2012 Expert Systems with Applications 39 202

    [21]

    Ubeyli E D 2009 Digital Signal Processing 2009(19) 297

    [22]

    Song Y, Lio P 2010 Journal of Biomedical Science and Engineering 3 556

  • 引用本文:
    Citation:
计量
  • 文章访问数:  2086
  • PDF下载量:  749
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-10-11
  • 修回日期:  2013-11-27
  • 刊出日期:  2014-03-05

基于递归量化分析与支持向量机的癫痫脑电自动检测方法

  • 1. 济南大学信息科学与工程学院, 济南 250022;
  • 2. 山东省网络环境智能计算技术重点实验室, 济南 250022
    基金项目: 

    国家自然科学基金(批准号:61201428,61070130,61173079)、山东省自然科学基金(批准号:ZR2010FQ020,ZR2011FZ003)、山东省优秀中青年科学家科研奖励基金(批准号:BS2009SW003)和中国博士后科学基金(批准号:20100470081)资助的课题.

摘要: 癫痫脑电信号的自动检测对癫痫的临床诊断与治疗具有重要意义. 基于递归图(recurrence plot)的递归量化分析(recurrence quantification analysis,RQA)重现了非线性时间序列的动力学行为,分析了其递归特性,本文提出了基于RQA的癫痫脑电信号特征提取方法. 实验结果表明:直接基于RQA特征的癫痫脑电的检测准确率较高,其中直接基于确定率DET的分类准确率可达到90.25%. 本文还把提取的RQA特征值和变化系数、波动指数相结合组成特征向量,输入到SVM分类器,实现癫痫脑电信号的自动检测;实验结果表明:该方法的分类准确率可达到99%.

English Abstract

参考文献 (22)

目录

    /

    返回文章
    返回