控制与决策

作者：高云园,高博,罗志增,孟明,张建海

单位：杭州电子科技大学 自动化学院,杭州 310018;浙江省脑机协同智能重点实验室,杭州 310018,,杭州电子科技大学 自动化学院,杭州 310018,,杭州电子科技大学 自动化学院,杭州 310018,,杭州电子科技大学 自动化学院,杭州 310018,,浙江省脑机协同智能重点实验室,杭州 310018,

关键词：脑电信号;癫痫发作预测;同步性分析;深度卷积神经网络;特征图融合

基金：国家自然科学基金项目(61971168,61871427,62171171)；国家自然科学基金重点项目(U20B2074)；之江实验室开放项目(2021MC0AB04).

癫痫的发作会给患者的身体和精神造成极大的创伤,对癫痫发作的准确预测可以及时协助医生对患者采取治疗措施.为了准确预测癫痫发作,提出脑电特征和多通道脑电交互特征相融合的癫痫发作预测方法.首先,提出多尺度符号化排列传递熵对多通道脑电信号交互信息进行分析,生成同步矩阵,并通过显著性分析筛选与癫痫发作相关的重要脑电通道,减少不必要特征对分类的干扰;然后,对筛选通道后的脑电信号生成表征脑电信号特征的功率谱密度能量图(PSDED)和描述脑通道交互特征的同步矩阵图(SMD),将两个特征图融合,采用深度卷积神经网络(DCNN)对癫痫患者脑电信号进行分类识别,提高学习能力和泛化能力,分类准确率可达到96.825%;最后,在分类的基础上采用预测评价系统对癫痫发作预测性能进行评估,癫痫发作预测范围(SPH)为10min和发作发生期(SOP)为10min时,预测敏感性达到96.66%,误检率可达到0.03/h;当SPH为30min,SOP为10min时,预测敏感性达到93.17%,误检率可达到0.05/h.与现有研究结果相比较,所提出方法具有较好的预测敏感度和较低的误检率.

来源：2023年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第1期