面向特征融合的脑卒中脑电信号分类方法

来源：计算机工程与应用杂志2019年第24期北京时间：

作者：王灿，李凤莲，胡风云，张雪英，贾文辉

单位：1.太原理工大学 信息与计算机学院，太原 030024 ；2.山西省人民医院 神经内科，太原 030024

摘要：为了实现脑卒中患者中脑梗死、脑出血两类疾病脑电信号的高效分类与检测，提出了一种基于小波包能量与近似熵特征提取结合的脑电自动分类预测方法。将输入的脑卒中病人的脑电信号进行小波包分解，提取各个频段的能量并降维，而后与近似熵融合作为特征向量，并用支持向量机算法对其进行分类。研究结果表明该方法有较强的脑电特征分类识别能力，进一步单独提取原始脑电信号α波段的信号进行分类，得到了更优的分类效果，脑卒中脑电信号的分类准确率可以达到98.36%。这对临床上实现脑卒中疾病的智能预测具有辅助决策作用。

关键词：脑电图,脑卒中,&alpha,波段,小波包能量,近似熵