离散差分模块在癫痫脑电分类中的应用

来源：电子测量技术杂志2021年第1期北京时间：

作者：潘奕竹，沈娜

单位：南京理工大学瞬态物理重点实验室 南京 210094

摘要：针对癫痫脑电信号多分类的精度提升问题，提出了一种基于信号转差分模块与卷积模块结合的分类算法。信号转差分模块对原始脑电信号进行多阶差分运算，得到描述其波动特征的差分表示；然后卷积模块动态学习的方式将差分脑电信号转换为图片，利用预训练的卷积神经网络来提取信号特征并实现自动分类。分类结果表明：与现有研究相比，所提出的方法的最高提升了8.1%的分类准确率。在两分类问题上达到了99.8%的分类准确率；在三分类问题上获得了92.8%的准确率；在五分类问题上取得了86.7%的准确率。说明信号转差分模块对于脑电信号分类问题有积极作用。

关键词：卷积神经网络;特征提取;脑电信号分类;多阶差分