基于GM-SVM的癫痫发作脑电信号识别

作     者：潘媛媛 王培培 叶明全 卢小杰 PAN Yuan-yuan;WANG Pei-pei;YE Ming-quan;LU Xiao-jie

作者机构：皖南医学院医学信息学院安徽芜湖241002 

基　　金：皖南医学院中青年科研基金项目“基于长短时记忆神经网络(LSTMs)的肝脏系统功能障碍死亡率预测研究”(No.WK201920) 安徽高校人文社会科学研究项目“大数据背景下Ⅱ型糖尿病危险人群风险评价与预警机制研究”(No.SK2018A0198) 

出 版 物：《贵州师范学院学报》 (Journal of Guizhou Education University)

年 卷 期：2019年第35卷第9期

页      码：7-12页

摘      要：脑电图(Electroencephalogram,EEG)是诊断癫痫发作的重要依据。针对人工识别癫痫脑电信号中出现的效率低易误诊等问题,依据遗传算法和支持向量机理论,提出基于遗传算法结合支持向量机分类模型(GM-SVM)的癫痫发作脑电信号识别方法。将支持向量机相关参数设计成遗传个体,将遗传算法的适应度值设置为GM-SVM的识别准确率,通过迭代寻优获得较优的识别效果。最后,该方法在伯恩大学癫痫研究中心的脑电数据上进行训练和评估,结果表明该方法可以正确识别癫痫发作脑电信号,并达到98%的精度和99%的AUC(Area Under ROC Curve,ROC曲线下的面积),相较于其他分类算法有较优的识别性能。

主 题 词：EEG信号识别 癫痫发作 遗传算法 支持向量机 参数组合优化 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.13391/j.cnki.issn.1674-7798.2019.09.002

馆 藏 号：203922807...