基于多重分形去趋势波动分析的脑电信号特征提取及分类方法

作     者：陈敬凯 孟雪 王常青 钟亚鼎 CHEN Jingkai;MENG Xue;WANG Changqing;ZHONG Yading

作者机构：安徽医科大学生物医学工程学院安徽合肥230032 安徽医科大学第一附属医院放射科安徽合肥230032 

出 版 物：《中国医学物理学杂志》 (Chinese Journal of Medical Physics)

年 卷 期：2021年第38卷第11期

页      面：1387-1391页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 0836[工学-生物工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62001005) 安徽省高校自然科学研究项目(KJ2017A209) 安徽省自然科学基金(2008085QH425) 安徽医科大学科研基金(XJ201811) 

主　　题：脑电信号 多重分形去趋势波动 长短时记忆网络 特征提取 信号分类 

摘      要：目的:针对脑电信号普遍存在的数据维度高、难以预测的问题,提出一种多重分形去趋势波动分析特征提取方法与长短时记忆网络(LSTM)相结合的脑电信号分类方法。方法:首先对信号样本进行多重分形去趋势波动分析计算得到脑电信号样本的多重分形谱,计算广义Hurst指数hq和广义维数Dq之间的函数关系;然后对多重分形谱进行分析,找出最具代表性的坐标值作为信号的特征向量;最后将其用于LSTM进行训练和分类测试。实验采用波恩大学采集的经过处理的癫痫脑电数据集。结果:当训练样本占总体样本比例超过10%之后,LSTM分类器的测试准确率均稳定在98%以上;当占比超过80%时LSTM分类器的测试准确率达到了100%;即使训练样本较少时也有95%之上的准确率。结论:该算法有良好的准确率和稳定性。