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
|
|
