|
|||||
|
|
| 一种基于稀疏表示模型的脑电图信号分析方法 | |
| 引用本文： | 吴敏,韦志辉,汤黎明,孙玉宝,刘铁兵.一种基于稀疏表示模型的脑电图信号分析方法[J].中国组织工程研究与临床康复,2008,12(4):667-670. |
| 作者姓名： | 吴敏 韦志辉 汤黎明 孙玉宝 刘铁兵 |
| 作者单位： | 1. 解放军南京军区南京总医院,江苏省南京市,210002;南京理工大学,江苏省南京市,210094 2. 南京理工大学,江苏省南京市,210094 3. 解放军南京军区南京总医院,江苏省南京市,210002 |
| 摘 要： | 目的:癫痫是以脑内神经元异常放电致部分或整体脑功能障碍为特征的慢性疾患,模拟生物视觉感知系统,根据神经元响应的稀疏特性,对癫痫高危人群进行神经系统电生理筛查,以便及早发现和对相关人群进行干预.方法:选取适合的稀疏分解的匹配追踪算法,用新的较少的原子来重建正常的脑电信号和特定疾病类型的脑电信号,便于对各种神经系统疾病的脑电信号的特征波进行识别和提取.结果:处理16导标准脑电信号,分离出癫痫特征波,并对特征波进行识别,从而得到对癫痫的诊断,在此基础上将癫痫特征波反映射到16导标准电极,应用相关源电位软件对癫痫灶进行初步定位.结论:应用稀疏表示模型可以获取对脑电图信号的有效表示方法,通过对脑电图信号各分量进行有效的机器识别,归纳出系列特征波图谱,供临床诊断参考,从而降低了癫痫信号识别的工作量,提高了识别效率和正确率,实现癫痫的规模筛查. |
| 关 键 词： | 稀疏表示 匹配追踪 脑电图 特征波 基函数 癫痫 生物医学工程 表示模型 脑电图 信号分析 表示方法 model representation sparse based signal analysis 规模 正确率 效率 工作量 信号识别 临床诊断 图谱 机器识别 分量 定位 癫痫灶 |
| 文章编号： | 1673-8225(2008)04-00667-04 |
| 修稿时间： | 2007年10月23 |
Electroencephalogram signal analysis based on a sparse representation model |
|
| Wu Min,Wei Zhi-hui,Tang Li-ming,Sun Yu-bao,Liu Tie-bing.Electroencephalogram signal analysis based on a sparse representation model[J].Journal of Clinical Rehabilitative Tissue Engineering Research,2008,12(4):667-670. | |
| Authors: | Wu Min Wei Zhi-hui Tang Li-ming Sun Yu-bao Liu Tie-bing |
| Abstract: | |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ | |