A novel automatic classification detection for epileptic seizure based on dictionary learning and sparse representation

摘要

脑电（EEG）信号在癫痫检测中具有重要作用。过去几十年，自动化癫痫检测系统快速发展并取得良好表现。本文提出一种基于稀疏表示的癫痫发作分类方法，结合带同伦的字典学习（DLWH）算法进行建模。该方法在波恩大学和 CHB-MIT 两个公开脑电数据库上进行评估，覆盖健康与发作、非发作与发作、发作间期与发作期等多种分类情形。结果显示，与传统稀疏表示方法相比，DLWH 测试耗时仅为19.671秒，自动化程度更高，并优于常用字典学习方法。在两个公开基准数据库上，识别率分别达到100%和99.5%，平均性能分别为99.5%和95.06%，表明基于字典学习的癫痫检测系统具有较高应用价值。