[发明专利]基于缺项特征的脑电图分类检测装置

摘要

一种基于缺项特征的脑电图分类检测装置，属于脑电图自动检测技术领域。包括依次电路连接的多路脑电放大器、数据采集卡、计算机，所述计算机中内置有信号预处理模块、信号分段模块、缺项特征提取模块、贝叶斯线性判别分析分类模块和阈值判断模块；本装置先由多路脑电放大器对脑电图信号进行放大，然后由数据采集卡采集脑电图信号并送入计算机中，最后通过计算机内的模块分别对脑电图信号进行预处理、分段、计算缺项特征、利用贝叶斯线性判别分析分类器对脑电缺项特征进行分类、利用阈值判断对分类进行标记并获取结果。本发明装置具有以下的优点：特征运算简单，训练和分类速度快，分类准确率高。能达到较好的分类检测效果。

主权项

1.一种基于缺项特征的脑电图分类检测装置，其特征在于，包括依次电路连接的多路脑电放大器、数据采集卡、计算机，所述计算机中内置有信号预处理模块、信号分段模块、缺项特征提取模块、贝叶斯线性判别分析分类模块和阈值判断模块；先由多路脑电放大器对脑电图信号进行放大，然后由数据采集卡采集脑电图信号并送入计算机中，最后通过计算机内的模块分别对脑电图信号进行预处理、分段、计算缺项特征、利用贝叶斯线性判别分析分类器对脑电缺项特征进行分类、利用阈值判断对分类进行标记；其中：所述的多路脑电放大器，对脑电图信号进行放大；所述的数据采集卡，采集脑电图信号，并存储到计算机中；所述的信号预处理模块,对脑电图信号进行0.5-30Hz带通滤波的处理，以滤除脑电图信号中肌电信号和工频干扰；所述的信号分段模块，对带通滤波处理后的脑电图信号进行分段，将每1024个不重复的点分为一段；所述的缺项特征提取模块，对每段脑电图信号计算其缺项特征向量，缺项特征向量s计算如下：s=[LA(1),LA(2),...,LA(L)]^T，其中T是转置符号，L为导联数，l表示导联编号（l=1,2,…,L），LA(l)是导联l脑电图信号的缺项特征；这里M(l)=Σm=ABmp(m,l),]]>M2(l)=Σm=ABm2p(m,l),]]>Σm=ABp(m,l)=1,]]>A表示该段信号的最小幅度值，B表示该段信号的最大幅度值，m为后验分布的均值，p(m,l)表示在导联l上幅度值等于m的概率；所述的贝叶斯线性判别分析分类模块，对缺项特征向量进行贝叶斯线性判别分析分类，得到分类输出值；所述的阈值判断模块，将分类输出值与阈值进行比较并标记，阈值取Th=0，如果分类输出值大于阈值Th，则标记为1，分类输出值小于等于阈值Th，则标记为-1。