.png){kind=icon}
返回
Seizure type classification algorithm based on multi-dimensional brain network feature selection
.png){kind=icon}
OA
AI
DOI：10.1016/j.fmre.2025.01.015.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
不同癫痫类型表现出不同水平的冗余脑网络特征。为选择对模型性能有显著贡献的特征，提出了一种基于多维脑网络特征选择（MBNFS）的癫痫类型分类算法。首先，对脑电图（EEG）信号的所有通道应用小波包变换（WPT），并将所有子带信号用作网络节点。其次，计算不同节点间的互信息（MI）以获得MI矩阵作为边权重。接着，基于留一法（leave-one-out）和MI矩阵设计一种新的脑网络集构建方法，以构建一组脑网络。随后，通过节点和边提取网络特征，并进一步使用随机森林（RF）评估其贡献。然后，基于留一法和主对角线为0、其余元素为1的矩阵，推导出通道、子带和网络特征的贡献。利用这三维贡献，进行多维迭代选择，重点选择贡献超过手动设定阈值的维度个体。最后，使用精简特征集训练RF模型以分类癫痫类型，测试集检测准确率、特异度、灵敏度、F1分数和kappa值分别为99.86%、99.86%、99.86%、0.9986和0.9984。
Keyword:
Brain networks
Multi-dimensional feature selection
Channel contribution
Network node contribution
Network feature contribution
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.3
论文数:
1.3K
被引数:
2.6K
机构
引用论文
Variation of functional brain connectivity in epileptic seizures: an EEG analysis with cross-frequency phase synchronization癫痫发作中功能性脑连接的变化: 具有交叉频率相位同步的EEG分析OAAI
OAAI分享收藏Signal acquisition of brain-computer interfaces: A medical-engineering crossover perspective review脑机接口的信号采集: 医学工程交叉视角综述.png)
FUNDAMENTAL RESEARCHOAAI
FUNDAMENTAL RESEARCHIF6.3
OAAI分享收藏Classify epileptic EEG signals using weighted complex networks based community structure detection
PREAI
分享收藏Seizure Detection Based on Improved Genetic Algorithm Optimized Multilayer NetworkIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Over-the-air federated learning: Status quo, open challenges, and future directionsFundamental ResearchOAAI
Fundamental ResearchIF6.3
OAAI分享收藏A Multivariate Approach for Patient-Specific EEG Seizure Detection Using Empirical Wavelet Transform
PREAI
分享收藏
查看更多内容