使用嵌入式零树波段方法和支持向量机的实时检测方法
1Department of Biomedical Engineering, SRM Institute of Science and Technology (Deemed to Be University), Ramapuram Campus, Chennai, Tamil Nadu, India.
Behavioural neurology
|September 4, 2025
概括
这项研究提出了使用脑电图 (EEG) 数据检测发作的新实时方法. 结合嵌入式零波树转换器 (EZW) 和支持向量机器 (SVM),在识别发作时获得了99.02%的准确性.
科学领域:
- 神经学
- 生物医学工程
- 信号处理
背景情况:
- 是一种慢性神经疾病,由于神经元发射异常,导致大脑功能暂时受到干扰.
- 准确及时检测发作对于患者的管理和治疗至关重要.
- 目前用于分析脑电图 (EEG) 数据的方法在实时处理和保存关键诊断信息方面可能面临挑战.
研究的目的:
- 开发和评估一种创新的实时方法来检测EEG数据中的.
- 通过先进的信号处理技术提高检测的效率和准确性.
- 为临床环境中实时监测提供实用且强大的解决方案.
主要方法:
- 使用嵌入式零树波束 (EZW) 转换,以有效压缩和多通道EEG数据的多分辨率分析.
- 从压缩的EEG段中提取了统计特征,包括度,曲率和平均值.
- 使用支持载体机器 (SVM) 分类器来区分正常和性脑活动.
主要成果:
- 在将发作与正常大脑活动区分时,达到99.02%的高分类准确度.
- 假阳性率仅为1.1%,表明该方法的可靠性很高.
- 综合方法在EEG数据压缩和分析过程中有效地保留了关键的诊断特征.
结论:
- 拟议的实时检测方法,将SVM与基于EZW的特征提取集成,为EEG分析提供了显著的进步.
- 高精度和低错误阳性率表明它适合实时临床实施.
- 这种新的方法解决了先前方法的局限性,通过保留关键信息和支持多通道EEG信号来稳定检测.
