TY -的A2 Srinivasan Kathiravan盟——太阳,齐非盟-刘,任命非盟- Li Shuangde AU - Wang Chaodong PY - 2022 DA - 2022/10/28 TI -自动癫痫发作检测使用PSO-Based特征选择和多级光谱分析EEG信号SP - 6585800六世- 2022 AB -自动癫痫发作检测技术的临床诊断主要依靠脑电图(EEG)记录,这是非常有用的工具癫痫定位和识别。目前,传统的癫痫检测方法只基于单一视图功能有很大的局限性的典型动态和非线性脑电图信号。一个本文的目的是调查的影响多视图特征选择和多级光谱分析方法识别癫痫EEG信号的检测。多视图功能是提取时域,频域和信息理论EEG信号的收集足够的信息。和特征选择算法,提出了基于粒子群优化(PSO)的自动检测。此外,由于不同频率成分的EEG信号,他们分为四种脑电波进行多级谱分析。这四个节律波的影响在癫痫检测比较。三个著名的分类器是用来关于癫痫EEG信号或nonseizure事件进行分类。结果表明,平均准确性、特异性和敏感性的分类与CHB-MIT数据库是98.14%,98.64%,和96.79%,分别。PSO-based的应用自动癫痫检测特征选择方法改进的SVM分类器精度5.99%。 Compared with the state-of-the-art methods, the proposed method has superior competence with high performance for automatic seizure detection. It is further shown that the feature selection method is an indispensable step in seizure detection. With PSO-based feature selection and multilevel spectral analysis, the θ 波的频率范围4 - 7赫兹显示更好的性能在EEG信号的识别,该方法更适合。PSO-based特征选择算法自动癫痫检测可以是一个有用的助理临床诊断的工具。SN - 1687 - 725 - 2022/6585800 / 10.1155 x你——https://doi.org/10.1155/2022/6585800——摩根富林明——《传感器PB - Hindawi KW - ER