摘要
脑电(EEG)癫痫波的自动检测与分类在临床医学上具有重要意义。针对EEG信号的非平稳特点,本文提出了一种基于经验模式分解(EMD)和支持向量机(SVM)的EEG分类方法。首先利用EMD将EEG信号分成多个经验模式分量,然后提取有效特征,最后用SVM对EEG信号进行分类。结果表明,该方法对癫痫发作间歇期和发作期EEG的分类效果比较理想,识别率达到99%。
The automatic detection and classification of EEG epileptic wave have great clinical significance. This paper proposes an empirical mode decomposition （EMD） and support vector machine （SVM） based classification method for non-stationary EEG. Firstly, EMD was used to decompose EEG into multiple empirical mode components. Secondly, effective features were extracted from the scales. Finally, the EEG was classified with SVM. The experiment indicated that this method could achieve good classification result with accuracy of 99~ for interictal and ictal EEC
出处
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2011年第5期891-894,共4页
Journal of Biomedical Engineering
基金
山东省攻关计划项目资助(2010GSF10243)
山东大学自主创新基金资助项目(2009JC004)
关键词
脑电癫痫波
经验模式分解
支持向量机
分类
EEG epileptic wave
Empirical mode decomposition （EMD）
Support vector machine （SVM）
Classifi-cation
