仪器仪表学报

作者：曲桂果，袁琦，李彦 .txt

单位：曲桂果，袁琦，李彦 .txt,（山东师范大学物理与电子科学学院 山东省医学物理图像处理技术省级重点实验室济南250358） .txt,

关键词：关键词：癫痫;脑电;深度学习;迁移学习;时频分析.txt

基金：*基金项目：国家自然科学基金（61501283）项目资助 .txt

摘要：致痫区脑电识别能够为癫痫外科手术提供重要的参考价值。提出了一种基于深度网络迁移学习的致痫区脑电识别算法。首先利用连续小波变换（CWT）对脑电信号进行时频分析，获得脑电信号时频图；然后迁移学习AlexNet网络模型，调整网络结构使之适应于致痫区脑电识别，将模型第7层全连接层输出作为脑电信号时频图的特征表示，最后利用支持向量机（SVM）、BP神经网络、长短期记忆网络（LSTM）、基于稀疏表达分类算法（SRC）、线性判别分析（LDA）等分类算法进行特征分类。基于开源脑电数据集采用十折交叉验证的方法对算法进行了验证,比较6种分类器的效果，得到SVM算法的平均特异性为88?81%，灵敏度为88?07%，准确率为88?44%，证明了该方法识别致痫区脑电信号的有效性。.txt

来源：2020年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第5期