基于脑电高频振荡特征主成分分析与机器学习的致痫通道自动识别 |
| |
作者姓名: | 陈文静 张馨月 康同舟 赖大坤 张恒 李真林 |
| |
作者单位: | 四川大学华西医院,四川成都610041;电子科技大学电子科学与工程学院,四川成都611731 |
| |
摘 要: | 目的 研究一种基于颅内多通道脑电高频振荡(HFOs)总体特征的主成分分析与机器学习方法,以实现自动识别和确定各脑电通道是否位于致痫病灶区.方法 首先,在通道水平对颅内脑电高频振荡信号进行时-频域多维特征提取;其次,采用主成分分析法(PCA)对该特征矩阵进行降维处理;然后,分别采用支持向量机、决策树及K邻近等机器学习方法...
|
关 键 词: | 癫痫 颅内脑电 高频振荡信号 机器学习 致痫区定位 |
本文献已被 CNKI 万方数据 等数据库收录! |
|