脑磁图脑功能连接网络癫痫棘波识别方法研究

来源：计算机工程与应用杂志2020年第8期北京时间：

作者：张航宇，李彬，尹春丽，刘凯，王玉平，张军鹏

单位：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

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。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，该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。

关键词：静息态脑磁图,脑功能网络,机器学习,特征提取