文档名:多维融合脑电特征的脑卒中分类预测
摘要:为实现对脑卒中疾病的高效分类预测,提出一种基于多维融合脑电特征的脑卒中分类预测方法.提出基于优化经验模态分解的多重分形去趋势波动分析算法,采用Pearson相关系数优化经验模态分解实现对脑电信号趋势项的选取,以解决多重分形去趋势波动分析中趋势项确定难、不连续等问题.基于分层模糊熵提出不对称熵特征和不对称熵指数,分析两类脑卒中脑电信号整体和局部熵值的差异性.对多维融合脑电特征进行脑卒中分类预测,结果表明,提出的多维融合脑电特征分类预测性能优异,准确率达到94.90%,特异性达到99.89%,表现出较强的脑卒中分类预测性能.
Abstract:Torealizeefficientclassificationpredictionofstroke,amethodofstrokeclassificationpredictionbasedonmulti-dimensionalfusionofEEGfeatureisproposed.Animprovedmultifractaldetrendingfluctuationanalysisalgorithmbasedonoptimizedempiricalmodedecompositionisproposed.PearsoncorrelationcoefficientisusedtooptimizetheempiricalmodedecompositiontoselectthetrenditemsofEEGsignals,tosolvetheproblemsofdifficultanddiscontinuoustrenditemdeterminationinmultifractaldetrendingfluctuationanalysis.Basedonhierarchicalfuzzyentropy,theasymmetricentropyfeatureandasymmetricentropyindexareproposedtoanalyzethedifferencesbetweentheglobalandlocalentropyvaluesofEEGsignalsintwotypesofstroke.Themulti-dimensionalfusionofEEGfeatureisusedforstrokeclassification.Theresultsshowthattheproposedmulti-dimensionalfusionofEEGfeatureclassificationperformanceisexcellent,withanaccuracyof94.90%andaspecificityof99.89%,showingastrongstrokeclassificationperformance.
作者:刘喜瑞 李凤莲 张雪英 胡风云 贾文辉 于放 Author:LIUXirui LIFenglian ZHANGXueying HUFengyun JIAWenhui YUFang
作者单位:太原理工大学信息与计算机学院,山西太原030024山西省人民医院,山西太原030024
刊名:电子设计工程 ISTIC
Journal:ElectronicDesignEngineering
年,卷(期):2024, 32(14)
分类号:TP391
关键词:脑卒中 经验模态分解 多重分形去趋势波动分析 不对称熵特征 不对称熵指数
Keywords:stroke EMD MFDFA asymmetricalentropyfeatures asymmetricalentropyindex
机标分类号:TH133.33TP391.4TM71
在线出版日期:2024年7月19日
基金项目:国家自然科学基金多维融合脑电特征的脑卒中分类预测[
期刊论文] 电子设计工程--2024, 32(14)刘喜瑞 李凤莲 张雪英 胡风云 贾文辉 于放为实现对脑卒中疾病的高效分类预测,提出一种基于多维融合脑电特征的脑卒中分类预测方法.提出基于优化经验模态分解的多重分形去趋势波动分析算法,采用Pearson相关系数优化经验模态分解实现对脑电信号趋势项的选取,以解...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
多维融合脑电特征的脑卒中分类预测 Classification prediction of stroke by multi-dimensional fusion of EEG feature
多维融合脑电特征的脑卒中分类预测.pdf
- 文件大小:
- 1.99 MB
- 下载次数:
- 60
-
高速下载
|
|