文献

J-GLOBAL ID：201702256720515156   整理番号：17A0346994

ウェーブレットマルチスケール解析と限界学習機械に基づくてんかん脳波分類アルゴリズム【JST・京大機械翻訳】

A Classification Algorithm for Epileptic Electroencephalogram Based on Wavelet Multiscale Analysis and Extreme Learning Machine

著者 (4件)： Cui Gangqiang (Northwest Institute of Nuclear Technology) ,  Xia Liangbin (Northwest Institute of Nuclear Technology) ,  Liang Jianfeng (Northwest Institute of Nuclear Technology) ,  Tu Min (Northwest Institute of Nuclear Technology)
資料名： Shengwu Yixue Gongchengxue Zazhi  (Shengwu Yixue Gongchengxue Zazhi)
巻： 33  号： 6  ページ： 1025-1030,1038  発行年： 2016年 
JST資料番号： C2182A  ISSN： 1001-5515  CODEN： SYGZF2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： てんかん脳波の自動分類は癲癇の診断と治療にとって重要な意義がある。本論文では,ウェーブレット多重スケール解析と限界学習に基づくてんかん脳波分類法を提案した。まず第一に,ウェーブレットマルチスケール解析を用いて,EEG信号をマルチスケール分解し,異なる周波数帯のEEG信号を抽出した。次に,HURST指数とサンプルエントロピーの2つの非線形方法を用いて,オリジナルのEEG信号とウェーブレットスケール分解によって得られた異なるEEG信号を特徴抽出した。最後に,得られた特徴ベクトルを限界学習器に入力し,てんかん脳波分類の目的を実現した。本文で採用した方法は、てんかん発作期と発作間隔を区別する際に、99.5%の分類正確率を得た。結果により、本方法はてんかんの診断と治療において、良好な応用前景があることが明らかになった。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 周波数帯 ,  *脳波 ,  発作 ,  *学習機械 ,  特徴抽出 ,  自動分類 ,  *てんかん ,  *学習 ,  *波束
準シソーラス用語： 特徴ベクトル ,  *マルチスケール ,  脳波信号 ,  分類法 ,  *分類アルゴリズム ,  *マルチスケール解析 , 【Automatic Indexing@JST】

著者キーワード (5件)： wavelet multiscale analysis ,  Hurst exponent ,  sample entropy ,  epileptic electroencephalogram ,  extreme learning machine

分類 (2件)： 人工知能  (JE08000Z) ,  生体計測  (EL03020C)

タイトルに関連する用語 (7件)： ウェーブレット ,  マルチスケール解析 ,  限界 ,  学習機械 ,  てんかん ,  脳波 ,  分類アルゴリズム