[发明专利]基于EMD与WPD特征融合的癫痫发作前期预测方法有效
| 申请号： | 201811590832.8 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109498000B | 公开（公告）日： | 2021-08-17 |
| 发明（设计）人： | 曹九稳;胡丁寒 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | A61B5/369 | 分类号： | A61B5/369;A61B5/372;A61B5/00 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于EMD与WPD特征融合的癫痫发作前期预测方法。本发明步骤方法如下：步骤1、EEG信号的类别划分及样本切割，并对每个样本进行经验模态分解，再对分解得到的第一个本征模函数进行分析，从中提取基于FIMF的特征，包含能量、能量比和方差。步骤2、对步骤1中得到的第一个本征模函数进行四层小波包分解，得到最后一层16个结点的小波包系数，从中提取基于FIMF‑WPD的偏态和能量与特征。步骤3、融合基于FIMF与FIMF‑WPD的特征，并采用随机森林算法对融合后的特征训练分类器，构建癫痫发作前期的预测模型。本发明能够有效预警癫痫病发作前期的时间段，降低癫痫发作对患者造成的次生危害。 | ||
| 搜索关键词： | 基于 emd wpd 特征 融合 癫痫 发作 前期 预测 方法 | ||
【主权项】：
1.基于EMD与WPD特征融合的癫痫发作前期预测方法，其特征在于包括如下步骤：步骤1、EEG信号的类别划分及样本切割，并对每个样本进行经验模态分解，再对分解得到的第一个本征模函数进行分析，从中提取基于FIMF的特征，包含能量、能量比和方差。步骤2、对步骤1中得到的第一个本征模函数进行四层小波包分解，得到最后一层16个结点的小波包系数，从中提取基于FIMF‑WPD的偏态和能量与特征。步骤3、融合基于FIMF与FIMF‑WPD的特征，并采用随机森林算法对融合后的特征训练分类器，构建癫痫发作前期的预测模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学，未经杭州电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811590832.8/，转载请声明来源钻瓜专利网。
