文献

J-GLOBAL ID：201702263983566561   整理番号：17A1346825

SVM(サポートベクトルマシン)を用いたEEG信号の自動発作検出のためのLMDに基づく特徴【Powered by NICT】

LMD Based Features for the Automatic Seizure Detection of EEG Signals Using SVM

著者 (2件)： Zhang Tao (Department of Communication Engineering, Jilin University, Changchun, China) ,  Chen Wanzhong (Department of Communication Engineering, Jilin University, Changchun, China)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 25  号： 8  ページ： 1100-1108  発行年： 2017年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 脳波(EEG)信号を用いて自動的に検出発作活性の目標を達成てんかん発作の治療のための大きな重要性と重要である。この目的を実現するために,局所平均分解(LMD),新しく開発した時間-周波数分析アルゴリズムは,本研究で採用されている。LMDである任意の信号を分解する一連の製品機能(PF)にすることができた。,生EEG信号はいくつかのPFに分解し,次に最初の五PFの時間統計的及び非線形特徴を計算した。各PFの特徴は,五分類五分類器,遺伝的アルゴリズム(GA SVM)により最適化逆伝搬ニューラルネットワーク(BPNN),K近傍法(KNN),線形判別分析(LDA),非最適化サポートベクトルマシン(SVM)とSVM(サポートベクトルマシン)を含む,に供給した。すべてのPFと生EEGの合流特徴は,さらに同じ分類タスクのための高性能GA-SVMにした。国際公共BonnてんかんEEGデータセット上での実験結果により,提案した方法の平均分類精度は五例全例で98.10%と等しいまたはより高いことを示し,これは自動発作検出のための提案した方法の有効性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *発作 ,  てんかん ,  アルゴリズム ,  脳波 ,  *サポートベクトルマシン ,  遺伝的アルゴリズム ,  合流 ,  周波数解析 ,  最適化
準シソーラス用語： 分類精度 ,  線形判別分析 ,  逆伝播ニューラルネットワーク ,  てんかん性発作 ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (2件)： 神経系の診断  (GN02000H) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： SVM ,  サポートベクトルマシン ,  EEG信号 ,  発作