|
|||||
|
|
| 基于稀疏表示的两阶段脑电癫痫波检测算法研究 | |
| 引用本文： | 吴敏,孙玉宝,韦志辉,肖亮,汤黎明. 基于稀疏表示的两阶段脑电癫痫波检测算法研究[J]. 中国生物医学工程学报, 2009, 28(4) |
| 作者姓名： | 吴敏 孙玉宝 韦志辉 肖亮 汤黎明 |
| 作者单位： | 1. 南京军区南京总医院医学工程科,南京,210002;南京理工大学计算机科学与技术学院模式识别与智能系统实验室,南京,210094 2. 南京理工大学计算机科学与技术学院模式识别与智能系统实验室,南京,210094 3. 南京理工大学计算机科学与技术学院模式识别与智能系统实验室,南京,210094;南京理工大学理学院应用数学系,南京,210094 4. 南京军区南京总医院医学工程科,南京,210002 |
| 基金项目： | 国家高技术研究发展(863)计划，国家自然科学基金资助项目，教育部高校博士点专项科研基金，江苏省研究生创新基金 |
| 摘 要： | 脑电癫痫特征波的自动检测具有重要的临床应用价值,本研究提出一种基于自适应预测滤波与稀疏表示的两阶段癫痫特征波检测算法.第一阶段,使用自适应预测滤波器粗检出有嫌疑的癫痫波时段,在保证检测正确率的同时,减少数据量,提高后续处理效率;第二阶段,先以高斯函数及其一、二阶导数为原子的生成函数构建一个冗余多成分字典,再应用匹配追踪算法仪获取可疑波段在此字典下的稀疏表示(自适应参数化表示),原子的结构参数能够准确度量瞬时波形的多种形态结构特征如宽度、幅度、锐度等,进而提出基于形态结构匹配的检测算法,对预检输出的可疑时段进行鉴别分类.检测结果表明该算法针对临床癫痫EEG的检测率为93.3%,正确率为88.5%,相应的漏检率为6.7%,误检率为11.5%. |
| 关 键 词： | 棘波检测 稀疏表示 自适应预测滤波 多成分字典 匹配追踪 |
Automatic Detection of Epileptiform Transients in EEG by a Two-stage Algorithm Based on Sparse Representation |
|
| WU Min,SUN Yu-Bao,WEI Zhi-Hui,XIAO Liang,TANG Li-Ming. Automatic Detection of Epileptiform Transients in EEG by a Two-stage Algorithm Based on Sparse Representation[J]. Chinese Journal of Biomedical Engineering, 2009, 28(4) | |
| Authors: | WU Min SUN Yu-Bao WEI Zhi-Hui XIAO Liang TANG Li-Ming |
| Abstract: | |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ | |