当前位置: 首页 > 详情页

脑磁图脑功能连接网络癫痫棘波识别方法研究

Study on the recognition method of epileptic spike in brain functional connectivity network of magnetoencephalogram 脑磁图脑网络分析能用于研究大脑生理或病理机制.脑磁图分析对癫痫疾病的诊断具有重要 的参考价值.对癫痫脑磁信号的自动分类可以及时对患者的情况作出判断,在临床上有很重 要的意义.现有文献中对癫痫脑电信号的自动分类方法的研究已比较充分,但对癫痫脑磁信 号的研究比较薄弱.本文提出了一种基于脑功能连接网络的全频段机器学习癫痫脑磁棘波信 号自动判别方法,对四种分类器进行了综合判别对比,选择了效果最优的分类器,判别准确 率可达到 93.8%.因此,本方法在脑磁图癫痫棘波的自动识别与标记方面有较好的应用前景.

| 导出 | |

文献详情

资源类型:

收录情况: ◇ 统计源期刊 ◇ 北大核心 ◇ CSCD-E

机构: [1]四川大学电气信息学院自动化系成都610065 [2]首都医科大学宣武医院神经内科北京100053
出处:
ISSN:

关键词: 静息态脑磁图 脑功能网络 机器学习 特征提取

摘要:
脑磁图(MEG)现在被广泛用于临床检查及很多领域的医学研究中,基于静息态的脑磁图脑网络分析能用于研究大脑生理或病理机制.脑磁图分析对癫痫疾病的诊断具有重要的参考价值.对癫痫脑磁信号的自动分类可以及时对患者的情况作出判断,在临床上有很重要的意义.现有文献中对癫痫脑电信号的自动分类方法的研究已比较充分,但对癫痫脑磁信号的研究比较薄弱.本文提出了一种基于脑功能连接网络的全频段机器学习癫痫脑磁棘波信号自动判别方法,对四种分类器进行了综合判别对比,选择了效果最优的分类器,判别准确率可达到 93.8%.因此,本方法在脑磁图癫痫棘波的自动识别与标记方面有较好的应用前景.

语种:
中文影响因子:
第一作者:
第一作者机构: [1]四川大学电气信息学院自动化系成都610065
通讯作者:
通讯机构: [1]四川大学电气信息学院自动化系成都610065
推荐引用方式(GB/T 7714):

资源点击量:16409 今日访问量:0 总访问量:869 更新日期:2025-01-01 建议使用谷歌、火狐浏览器 常见问题

版权所有©2020 首都医科大学宣武医院 技术支持:重庆聚合科技有限公司 地址:北京市西城区长椿街45号宣武医院