对四种特征提取方法的ANN性能进行比较分析,用于检测发作

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 影响全球超过7000万人,需要高效的诊断工具.
• 计算机辅助诊断 (CAD) 系统对于及时评估和治疗至关重要.
• 分析电脑电图 (EEG) 信号有助于检测发作并改善患者的生活质量.

研究的目的:

• 开发和评估用于发作检测的计算机辅助诊断系统.
• 为了比较不同特征提取技术在诊断中的有效性.
• 在使用人工神经网络对发作进行分类时实现高精度.

主要方法:

• 一个由三个模块组成的系统:预处理 (切比什夫II过器),特征提取 (双频谱分析,经验模式分解,离散波段转换,波段包分析) 和分类 (人工神经网络).
• 脑电图信号分析以确定发作特征.
• 敏感性分析,以确定重要的特征和增强特定方法.

主要成果:

• 双光谱分析和经验模式分解证明了特征提取中最高的准确率.
• 拟议的系统在检测发作时实现了100%的准确性.
• 灵敏度分析为离散波段转换和波段包分析提供了对特征意义的见解.

结论:

• 开发的CAD系统有效地以高准确度检测发作.
• 双光谱分析和经验模式分解是用于诊断的高效特征提取方法.
• 该研究强调了人工智能驱动工具在改善管理和患者治疗结果方面的潜力.