基于可调Q因子小波变换的癫痫脑电检测方法

简介：
本研究提出了一种基于可调Q因子小波变换的新技术，用于提高癫痫脑电图信号的检测精度和效率，为癫痫诊断提供有力工具。 本段落提出了一种基于可调Q因子小波变换和迁移学习的癫痫脑电信号检测方法。首先对EEG信号进行可调Q因子小波变换，并选择能量差异较大的子带部分重构，重排重构后的信号以生成二维彩色图像数据表示；其次利用Imagenet数据集分类预训练模型参数初始化深度可分离卷积网络Xception模型；最后通过迁移学习将此模型应用于癫痫发作自动检测任务。实验结果显示，在BONN癫痫数据集中所提方法的准确度达到99.37%，敏感度为100%，特异度达98.48%。这表明该模型具有良好的泛化能力，并且在准确性上超越了传统及其它深度学习方法，同时避免了人工设计和提取特征的过程，显示出较高的应用价值。