• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Symposium on Signal and Image Processing >Class Discriminator-Based EMG Classification Approach for Detection of Neuromuscular Diseases Using Discriminator-Dependent Decision Rule (D3R) Approach
【24h】

Class Discriminator-Based EMG Classification Approach for Detection of Neuromuscular Diseases Using Discriminator-Dependent Decision Rule (D3R) Approach

机译：基于鉴别的基于鉴别器的EMG分类方法，用于使用鉴别者依赖决策规则（D3R）方法检测神经肌肉疾病

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

摘要

Classification of EMG signals is essential for diagnosis of motor neuron diseases like neuropathy and myopathy. Although a number of strategies have been implemented for classification, none of them are efficient enough to be implemented in clinical environment. In the present study, we use ensemble approach of support vector machines for classification of three classes (normal, myopathic and neuropathic) of clinical electromyogram (EMG). Our proposed approach uses time and time-frequency features extracted from EMG signals. By employing two types of feature set for same class discriminators, we are able to select the best feature set-discriminator pairs. The decision made by each selected classifier is used to generate the final class for an input EMG signal through majority voting. Our proposed method yields higher accuracy of 94.67% over 89.67% for multiclass SVM classifier.
机译：EMG信号的分类对于诊断运动神经元疾病，如神经病变和肌病等。 虽然已经实施了许多策略进行分类，但它们中的任何一个都没有足够的效率来在临床环境中实施。 在本研究中，我们使用支持向量机的集合方法进行临床电晶图（EMG）的三类（正常，近视和神经病理）的分类。 我们所提出的方法使用从EMG信号中提取的时间和时频特征。 通过使用同一类鉴别器的两种类型的功能集，我们能够选择最佳的特征设置鉴别器对。 每个所选分类器所做的决定用于通过多数投票生成输入EMG信号的最终类。 我们所提出的方法对多级SVM分类器产生高度为94.67％的精度为94.67％。

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