基于小波系数特征融合的小鼠癫痫脑电分类

来源：计算机工程与应用杂志2019年第14期北京时间：

作者：肖文卿1,3，汪鸿浩2，詹长安1

单位：1.南方医科大学 生物医学工程学院，广州 510515；2.南方医科大学附属南方医院，广州 510515；3.广州南方医大医疗设备综合检测有限责任公司，广州 510515

摘要：采集癫痫小鼠模型在常态与致癫状态下的脑电信号以研究其癫痫脑电的自动分类。对经过噪声和伪迹消除预处理的脑电信号进行小波变换，获得不同频率子带的小波系数，对脑电信号及与癫痫特征波相关的小波系数提取相应的线性特征（标准差）和非线性特征（样本熵）；基于这些特征及其组合使用支持向量机分类器实现分类。实验发现基于小鼠脑电本身的标准差和样本熵的分类正确率分别为59.10%和58.00%；而融合各相关小波系数的标准差或样本熵，分类正确率分别达到86.60%和88.60%；融合全部相关小波系数的线性和非线性特征后分类正确率为99.80%。这些结果说明基于小波系数特征融合的分类算法性能有显著提升，能有效实现小鼠癫痫脑电的自动分类。

关键词：癫痫小鼠模型,小波变换,特征融合,支持向量机