基于加權復雜網絡度熵和的癲癇發作檢測方法

摘要：癲癇發作檢測一直是一項富有挑戰性的工作,隨著癲癇發病率的增加,高性能癲癇自動檢測算法在臨床上可以減輕醫務工作者的工作量,具有重要的臨床醫學研究意義。提出基于加權水平可視圖的癲癇檢測新方法。首先利用加權水平可視圖將單通道腦電信號轉化為復雜網絡,并提取生成的復雜網絡的度的平方和權重度分布熵兩個特征;最后將兩個特征之和作為單特征輸入到線性分類器中,用來識別癲癇間歇期和發作期信號。對波恩大學的癲癇腦電數據集進行實驗,評價所提出的檢測算法的性能。使用該癲癇腦電數據集間歇期和發作期各100個實驗樣本,樣本長度為1 024。實驗結果表明,所提出的方法具有較高的分類精度,可達到98.5%。由于分類的特征為單特征,所以更加簡單高效,可用于癲癇發作在線自動檢測。