基于Lempel-Ziv复杂度和经验模态分解的癫痫脑电信号的检测方法

计算物理 ›› 2015, Vol. 32 ›› Issue (6): 709-714.

基于Lempel-Ziv复杂度和经验模态分解的癫痫脑电信号的检测方法

夏德玲¹, 孟庆芳¹, 牛贺功², 魏英达¹, 刘海红¹

1. 济南大学信息科学与工程学院, 山东省智能计算网络重点实验室, 济南 250022;
2. 青岛理工大学汽车与交通学院, 青岛 266520

收稿日期:2014-11-24 修回日期:2015-02-07 出版日期:2015-11-25 发布日期:2015-11-25
作者简介:夏德玲(1989-),女,硕士,主要从事生物时间序列分析、信智能信息处理研究,E-mail:xiadeling@yeah.net
基金资助:
国家自然科学基金(61201428,61070130)资助项目

Classification of Epilepsy Based on Lempel-Ziv Complexity and EMD

XIA Deling¹, MENG Qingfang¹, NIU Hegong², WEI Yingda¹, LIU Haihong¹

1. School of Information Science and Engineering, University of Jinan, Shandong Provincial Key laboratory of Network Based Intelligent Computing, Jinan 250022, China;
2. Qingdao Technological University, College of Automobile and Transportation, Qingdao 266520, China

Received:2014-11-24 Revised:2015-02-07 Online:2015-11-25 Published:2015-11-25

摘要/Abstract

摘要： 癫痫脑电信号是非平稳、非线性的,根据此特性我们提出一个基于Lempel-Ziv复杂度和经验模态分解(EMD)的癫痫脑电信号的检测方法,首先将癫痫脑电信号用EMD分解,再分别计算每阶固有模态函数(IMF)的复杂度,最后将得到的复杂度作为特征进行检测.实验用波恩数据库来评估提出的方法.结果表明,该方法检测准确率可达到95.25%,具有准确率高、适应性强等优点.

关键词: Lempel-Ziv复杂度, 经验模态分解, 癫痫脑电信号, 准确率

Abstract: Taking non-stationary and nonlinearity of epilepsy signals into consideration, we proposed a method for detection of epilepsy, based on Lempel-Ziv (LZ) complexity and empirical mode decomposition (EMD). EMD first decomposed epilepsy signals into a set of intrinsic mode functions (IMFs). Then calculated complexity of each IMF. Bonn dataset was utilized for evaluating the method. Experimental results showed that the highest accuracy could be achieved to 95. 25%. It has advantages of high accuracy, strong adaptability and so on.

Key words: Lempel-Ziv complexity, empirical mode decomposition(EMD), epilepsy signals, accuracy

中图分类号:

TP301.6

夏德玲, 孟庆芳, 牛贺功, 魏英达, 刘海红. 基于Lempel-Ziv复杂度和经验模态分解的癫痫脑电信号的检测方法[J]. 计算物理, 2015, 32(6): 709-714.

XIA Deling, MENG Qingfang, NIU Hegong, WEI Yingda, LIU Haihong. Classification of Epilepsy Based on Lempel-Ziv Complexity and EMD[J]. CHINESE JOURNAL OF COMPUTATIONAL PHYSICS, 2015, 32(6): 709-714.

[1]	石建平, 李培生, 刘国平. 基于混合群智能优化算法的混沌系统参数估计[J]. 计算物理, 2019, 36(5): 621-630.
[2]	石建平, 杨兰天, 刘丹. 基于量子粒子群算法的混沌系统同步控制及参数辨识[J]. 计算物理, 2019, 36(2): 236-244.
[3]	曹建伟, 徐翔, 王友年. 基于GPU求解椭圆型偏微分方程的并行算法[J]. 计算物理, 2015, 32(4): 475-481.
[4]	孙晨扬, 李启良, 杨志刚. 最小二乘有限元法求解非定常应力的Navier-Stokes方程[J]. 计算物理, 2015, 32(1): 13-19.
[5]	马颖, 田维坚, 樊养余. 基于云模型的自适应量子免疫克隆算法[J]. 计算物理, 2013, 30(4): 627-632.
[6]	吴建平, 宋君强, 张卫民, 李晓梅. 块三对角线性方程组的一类二维区域分解并行不完全分解预条件[J]. 计算物理, 2009, 26(2): 191-199.
[7]	张勇, 黄廷祝, 刘兴平, 谷同祥, 李厚彪. 一种新的重排方法在二维三温问题求解中的应用[J]. 计算物理, 2009, 26(1): 35-41.
[8]	张佃中. Lempel-Ziv复杂度算法中粗粒化方法分析及改进[J]. 计算物理, 2008, 25(4): 499-504.
[9]	张石峰, 李茜, 高佩玲. 天然差分目的在地下水渗流问题中的应用[J]. 计算物理, 2007, 24(3): 307-312.
[10]	王建, 迟学斌, 谷同祥, 冯仰德. 无需线搜索的并行非线性共轭梯度法[J]. 计算物理, 2006, 23(1): 50-56.
[11]	谷同祥, 戴自换, 杭旭登, 符尚武, 刘兴平. 二维三温能量方程组的高效代数解法[J]. 计算物理, 2005, 22(6): 1-8.
[12]	陆全明, 窦贤康, 王水, 王曙. 二维等离子体并行PIC模拟的性能分析及应用[J]. 计算物理, 2005, 22(3): 264-270.
[13]	刘兴平, 杭旭登, 符尚武. 混合Krylov子空间算法及其应用[J]. 计算物理, 2003, 20(4): 341-344.
[14]	徐涵, 常文蔚, 卓红斌, 曹莉华, 岳宗五. 2(1/2)维等离子体粒子模拟分布式并行程序设计[J]. 计算物理, 2002, 19(4): 305-310.
[15]	骆志刚, 李晓梅, 王正华. 循环块三对角线性方程组的一种分布式并行算法[J]. 计算物理, 2001, 18(4): 360-365.