文献类型：期刊文献

中文题名：基于贝叶斯最小风险的癫痫脑电自动检测算法

作者：卫作臣[1];邹俊忠[1];张见[1];陈兰岚[1];

机构：[1]华东理工大学信息科学与工程学院自动化系;

年份：2018

中文期刊名：计算机应用研究

基金：国家自然科学基金资助项目(61201124);中央高校基本业务资金资助项目(222201817006);

语种：中文

中文关键词：癫痫;时域特征;随机映射;旋转森林;代价敏感;贝叶斯最小风险;

摘要：癫痫脑电的自动检测是一个不平衡分类问题。提出一种新的不平衡分类算法,基于增减序列合并周期分割算法提取时域特征,引入随机映射优化了旋转森林的计算效率,进而计算基于海林格距离的贝叶斯最小风险来给出测试样本标签。该算法在1s片段上得到了90.66%灵敏性,92.52%特异性,F2分数为0.9055,并且检出了98.56%的癫痫发作,检测延迟为1.32s,在不平衡的癫痫脑电数据集上表现出了良好的性能,对于癫痫辅助诊断有着极大的临床意义。