• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Computer Communication and Informatics >Classification of normal. focal, and generalized EEG signals using EMD and ANN
【24h】

Classification of normal. focal, and generalized EEG signals using EMD and ANN

机译：分类正常。使用EMD和ANN的聚焦和广义EEG信号

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Epileptic seizure detection is performed by employing a clinical tool called Electroencephalography (EEG). Seizure detection by visual diagnosis is time consuming and a difficult task is therefore proposed to automatically classify normal, focal and generalized EEG signals in empirical mode decomposition (EMD). EMD breaks EEG in to various functions of intrinsic mode (IMF). Features like sample and fuzzy entropies are compressed by IMFs. The features are fed into the Artificial Neural Network (ANN) and the classification of fuzzy and sample entropies is compared in this study. It has shown that fuzzy entropy provides better discrimination of normal, focal and generalized. This method accomplished highest accuracy 99.44%, sensitivity 99.23%, and specificity 100% with fuzzy entropy.
机译：癫痫发作的检测是通过使用称为脑电图（EEG）的临床工具进行的。通过视觉诊断进行癫痫发作检测非常耗时，因此提出了一项艰巨的任务，以经验模式分解（EMD）对正常，局灶性和广义EEG信号进行自动分类。 EMD将EEG分解为固有模式（IMF）的各种功能。 IMF压缩了诸如样本和模糊熵之类的特征。将特征输入到人工神经网络（ANN）中，并比较模糊和样本熵的分类。结果表明，模糊熵可以更好地区分法线，焦点和广义。该方法具有最高的准确率99.44％，灵敏度99.23％，特异性100％，并且具有模糊熵。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号