基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法

摘要

癫痫发作检测可以实现脑电分类和病灶定位,对癫痫的临床治疗具有重要意义.针对大数据量、高特征值空间长程脑电的快速和准确分类问题,提出一种基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法.对脑电信号进行短时傅里叶变换,并选取能量时频分布为特征,利用基于最大相关和最小冗余准则的方法进行特征选择,并使用极限学习机、支持向量机和反向传播算法对癫痫不同状态进行分类和判别.实验结果表明,极限学习机的分类准确率和训练速度两方面性能优于支持向量机和反向传播算法,发作间期和发作期的分类准确率达到98％以上,训练时间仅为0.8s,所提方法能够实时准确地检测癫痫发作.