基于选择适当特征的酒精和正常电脑电图信号的有效分类方法

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 酒精成会破坏正常的大脑活动模式.
• 脑电图 (EEG) 信号分析是诊断和分类与酒精有关的神经变化的宝贵工具.
• 了解这些EEG信号变化对于开发有效的诊断方法至关重要.

研究的目的:

• 确定最具歧视性的EEG特征和用于对酒精和正常受试者的分类道.
• 开发一种使用EEG信号诊断酒精成的计算效率高的方法.
• 评估不同EEG特征和道在区分酒精和非酒精个体的准确性.

主要方法:

• 分析了一秒钟的EEG信号段.
• 提取了各种频率和非频率特征,包括功率,顺序 (PE),近似 (ApEn),卡茨分数维度 (katz FD) 和佩罗西安分数维度 (Petrosion FD).
• 使用统计分析和戴维斯-博尔丁 (DB) 标准来选择最具歧视性的特征和EEG通道.

主要成果:

• 在FP2频道中,卡茨碎形维度 (FD) 显示出酒精和正常EEG信号之间的最高分辨能力.
• 使用两种不同的分类器实现了98.77%和98.5%的分类准确度,并进行了10倍的交叉验证.
• 确定FP2通道和Katz FD是区分与酒精有关的EEG模式的最佳组合.

结论:

• 拟议的方法,在FP2道中使用Katz FD,可以通过最小的特征和道准确诊断酒精成.
• 这种方法具有较低的计算复杂性,可以更快,更精确地对酒精受试者进行分类.
• 这些发现支持基于EEG的分析对客观和有效的酒精成查的潜力.