基于递归量化分析及支持向量机的癫痫脑电自动检测方法.pdf

物 理 学报 ActaPhys．Sin．Vo1．63，No．5(2014) 050506 基于递归量化分析与支持向量机的 癫痫脑电自动检测方法木 孟庆芳十 陈珊珊 陈月辉 冯志全 (济南大学信息科学与工程学院，济南 250022) (山东省网络环境智能计算技术重点实验室，济南 250022) (2013年10月11日收到；2013年l1月27日收到修改稿) 癫痫脑 电信号的自动检测对癫痫的临床诊断与治疗具有重要意义．基于递归图(recurrenceplot)的递归 量化分析 (recurrencequantificationanalysis，RQA)重现了非线性时间序列的动力学行为，分析了其递归特 性，本文提出了基于RQA的癫痫脑 电信号特征提取方法．实验结果表 明：直接基于RQA特征的癫痫脑 电的 检测准确率较高，其中直接基于确定率DET的分类准确率可达到90．25％．本文还把提取的RQA特征值和变 化系数、波动指数相结合组成特征向量，输入到SVM分类器，实现癫痫脑 电信号的自动检测；实验结果表 明： 该方法的分类准确率可达到99％． 关键词：递归量化分析，递归图，癫痫脑 电，支持向量机 PACS：05．45．Tp，05．45．Pq，05．45．Ac DOI：10．7498／aps．63．050506 性，非线性动力学方法被广泛的应用于脑 电信号 1 引 言 的分析 [1-s]．人们尝试把非线性时间序列的度量 方法，如最大Lyapunov指数 2【】、关联维数 4【l、近似 癫痫是一种常见的慢性脑部疾病，对患者身体 熵 [3，5，6】、样本熵 【，]、Hurst指数 【】等用于癫痫脑 电 健康有极大的伤害，其发作时大脑神经异常性兴奋 信号的分析．文献 f21分析了脑电信号的短时最大 及过度同步放 电，并引起中枢神经功能暂时性失 Lyapunov指数在癫痫发作过程中的变化．文献 … 常，症状表现为抽搐、精神异常、发作性意识改变等． 提出了基于非线性预测效果的癫痫脑 电信号特征 目前癫痫病的检测与诊断主要 由医学专家根据记 提取方法．文献 f31采用了四种熵 (Kolmogorov熵、 录的脑 电图波形通过视觉检测，识别与正常脑电信 Spectral熵、Renyi熵、近似熵1来分析了正常脑 电与 号波形不同的特征癫痫波．由于癫痫发作的不确 癫痫脑 电信号．文献 [51进一步应用近似熵、样本 定性，常常需要对病人的脑电波进行长期的实时监 熵、Phase熵 1与Phase熵2并结合多种分类器来分 测，检测时间长、效率低，并且根据医生的临床经验 析了正常脑 电、发作前脑电、癫痫发作期脑 电． 判断容易出现不一致的判断情况；因此，癫痫脑 电 递归图是 由Eckmann等提出的分析相空间中 信号的自动检测有助于减轻医疗工作者的工作量， 时间序列递归特性的分析方法 9【】．该方法与传统 进一步推进癫痫脑电信号 自动检测的研究，在临床 方法相比，克服了对时间序列的长度和稳态性的严 应用中具有现实且重大的意义 [1】． 格要求，具有较好的分析性能，适用于非线性动力 越来越多的证据表 明大脑是一个复杂的非线 学系统的分析．近年来，递归量化分析RQA被广 性动力学系统，脑电信号具有非线性和非平稳的特 泛的应用于分析生理信号，如脑 电信号 [1o-la】，肌 国家自然科学基金 (批准号61070130，61