单导癫痫脑电模糊特征提取的支持向量机发作预测.pdfVIP

学兔兔 第31卷 第 11期 仪 器 仪 表 学 报 V0】．31 No．11 2010年11月 Chinese Journal of Seientific Instrument NOV．201O 单导癫痫脑电模糊特征提取的支持 向量机发作预测咪 朱天桥，黄力宇 (西安电子科技大学电子工程学院 西安 710071) 摘 要：为了寻找一种通过单通道脑电分析实现癫痫发作预报的新方法，提出了一种基于经验模式分解模糊特征提取的支持 向量机二分类预测模型。对7名受试者发作前的各导脑电信号进行经验模式分解，提取各本征模式函数分量的模糊特征向量， 将其作为支持向量机的输入进行分类．研究表明，系统预测准确度与导联选择有关，但与支持向量机所用的核函数关系不大。 最佳导联选择条件下，所提出的方法在预测癫痫发作时的表现为：准确度为82 8—87．1％，特异性为86．7～91．9％，敏感性为 74．6～81．3％范围。 关键词：癫痫；脑电图；经验模式分解；支持向量机；模糊 中图分类号：R318．04 文献标识码：A 国家标准学科分类代码：310．6110 Epileptic seizure prediction from single·channel scalp EEG using support vector machine based Oil fuzzy feature extracted with empirical mode decomposition Zhu Tianqiao，Huang Liyu (School ofElectronic Engineering，Xidian University，Xian 710071，China) Abstract：To find a new approach to recognize and predict succcdent epileptic seizures from single．．channel electro．． encephalogram(EEG)analysis，a binary classification model of suppo~vector machine(SVM)based on fuzzy fea． ture extracted with empirical mode decomposition(EMD)is presented．Ei ght channels of EEG from each patient of seven consenting patients with epilepsy were monitored in Epilepsy Center of Xijing Hospita1．1Ile raw EEGs are de— composed using EMD algorithm，the intrinsic mode functions(IMFs)are extracted and convened into fuzzy feature vectors，which are taken as the input vectors of a trained SVM for classification，the output of the SVM U be the prediction results．Testing results show that the prediction accuracy observably depends on the