[发明专利]一种基于非线性动力学特征的癫痫发作脑电信号分类系统

摘要

本发明提供一种基于非线性动力学特征的癫痫发作脑电信号的分类系统，属于神经信息技术领域。该系统包括预处理模块、特征提取模块、特征排序模块、特征选择模块和分类模块：预处理模块，采用离散小波变换去除脑电数据中的噪声，获取不含噪声的有效脑电信号数据；特征提取模块采用多种熵算法计算得到每个脑电信号的非线性动力学特征；特征排序模块采用方差分析对特征进行排序；特征选择模块采用前后序贯算法选出对模型准确度影响最显著的优化特征子集；分类模块采用最小二乘支持向量机算法将癫痫发作与发作间歇期的判断转化为二分类问题。本发明计算复杂度低，实时性好，同时准确度高地实现癫痫发作的脑电信号分类。

主权项

1.一种基于非线性动力学特征的癫痫发作脑电信号分类系统，其特征在于，包括预处理模块、特征提取模块、特征排序模块、特征选择模块和分类模块；预处理模块，用于将脑电信号做预处理，采用离散小波变换去除脑电数据中的噪声，获取不含噪声的有效脑电信号数据；特征提取模块，用于将脑电信号分成若干数据段，采用多种熵算法计算同一时间窗下的脑电数据的不同熵值，作为相应数据段的特征值，通过计算所有熵算法的熵值构成特征集；特征排序模块，该模块采用方差分析，根据所提取的脑电信号的熵值，对癫痫发作脑电信号分类结果的影响显著性进行排序，对分类结果影响越显著的特征变量会排在越前面；特征选择模块，该模块采用前向序贯算法，从最开始的第一个最显著特征，依次增加1个特征进入分类模型，直到模型的准确度不再提高为止，从而选出对模型准确度影响最显著的优化特征子集；分类模块，该模块采用最小二乘支持向量机算法分类癫痫患者脑电信号。