文献

J-GLOBAL ID：202002253362166753   整理番号：20A0685825

特徴融合に向けた脳卒中脳波信号分類法【JST・京大機械翻訳】

Classification of Stroke EEG Signals Based on Feature Fusion

著者 (5件)： Wang Can (太原理工大学 信息与計算机学院,太原,030024) ,  Li Fenglian (太原理工大学 信息与計算机学院,太原,030024) ,  Hu Fengyun (山西省人民医院 神経内科,太原,030024) ,  Zhang Xueying (太原理工大学 信息与計算机学院,太原,030024) ,  Jia Wenhui (山西省人民医院 神経内科,太原,030024)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 55  号： 24  ページ： 154-158,258  発行年： 2019年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  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： 脳卒中患者の脳梗塞、脳出血の2種類の疾病の脳波シグナルの高効率な分類と検出を実現するため、ウェーブレットパケットエネルギーと近似エントロピー特徴抽出に基づく脳波の自動分類予測方法を提案した。入力した脳卒中患者の脳波信号をウェーブレットパケット分解し、各周波数帯のエネルギーを抽出し、次元を縮小し、その後、近似エントロピーと融合して特徴ベクトルとし、サポートベクトルマシンアルゴリズムを用いて分類を行った。研究結果により、この方法には強い脳波特徴分類識別能力があり、さらに、元のEEG信号αバンドの信号を抽出して分類し、さらに優れた分類効果が得られ、脳卒中EEG信号の分類精度が98.36%に達することが分かった。これは臨床で脳卒中疾病の知能予測に補助的な意思決定作用を有する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *脳波 ,  特徴抽出 ,  予測技法 ,  自動分類 ,  *脳卒中 ,  意思決定 ,  脳梗塞 ,  脳出血 ,  サポートベクトルマシン ,  周波数帯
準シソーラス用語： 分類精度 ,  特徴ベクトル ,  ウェーブレットパケット ,  *特徴融合 , 【Automatic Indexing@JST】

著者キーワード (5件)： electroencephalogram ,  stroke ,  alpha band ,  wavelet packet energy ,  approximate entropy

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 特徴融合 ,  脳卒中 ,  脳波信号 ,  分類法