文献

J-GLOBAL ID：202002272203951488   整理番号：20A0832361

脳波分類のための離散ウェーブレット変換とサンプルエントロピーに基づくEEG次元縮小【JST・京大機械翻訳】

Discrete Wavelet Transform and Sample Entropy-Based EEG Dimensionality Reduction for Electroencephalogram classification

著者 (2件)： Hasnaoui Lyna Henaa (Faculty of technology, University of Tlemcen,Laboratory of Biomedical Engineering) ,  Djebban Abdelghani (Faculty of technology, University of Tlemcen,Laboratory of Biomedical Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICAEE  ページ： 1-6  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： てんかんのような脳病理学認識には複数の脳波(EEG)チャネルが必要である。これまで,すべてのこれらのチャネルを解析することは,望ましい性能を妨げる過剰次元の問題をもたらす。その結果,種々の研究が,最も適切なチャネルを特徴付けるための静的チャネル選択アルゴリズムを提案した。しかしながら,これらの選択されたチャネルは,処理されたEEG信号の中で予測できないデータに適応できない。そこで,本論文では,サンプルエントロピーを組み合わせた離散ウェーブレット変換(DWT)に基づく動的チャネル選択アルゴリズムを提案した。最初に,サンプルエントロピーとDWTを通して,CHB-MIT EEG信号の複雑性を調査した。Well-既知神経学的興味のある。デルタ,θ,アルファ,ベータおよびガンマは,[0:64]Hz周波数範囲に及ぶ。正常および発作EEG信号に対する1レベルDWT係数のサンプルエントロピー(SE)を計算した。結果は,サンプルエントロピー値が発作期間中に急激に低下することを示した。すべての試料エントロピー値は,seizing時に低下するので,他のチャネルと比較して最小値をもつチャネルは,てんかん源に対するより近いものであり,また,てんかん発生領域として知られている。結果として,サンプルエントロピーの最小値におけるチャネルは,5レベルDWTによりさらに処理されるように選択された。選択されたチャネルを評価するために,分散-対-平均比,標準偏差(STD),およびDWT係数のKurtosisを,Naive Bayes分類器のための入力特徴ベクトルとして使用した。正常および発作性EEGは,てんかん検出のために処理され,予測のために前発作および正常EEGが処理された。分類結果は,開発したアルゴリズムの有効性を確認した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 脳疾患 ,  有効性 ,  アルゴリズム ,  *エントロピー ,  てんかん ,  *次元縮小 ,  *脳波 ,  チャネル ,  発作 ,  標準偏差
準シソーラス用語： 特徴ベクトル ,  複雑性 ,  脳波信号 ,  チャネル選択 ,  *離散ウェーブレット変換 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 脳波 ,  分類 ,  離散ウェーブレット変換 ,  サンプルエントロピー ,  EEG ,  次元縮小