利用整体经验模态分解和随机森林的脑电信号分类研究

秦喜文 吕思奇 李巧玲

1(长春工业大学研究生院，长春 130012)2(长春工业大学基础科学学院，长春 130012)

引言

癫痫是一种因脑部损伤而严重影响人类健康的脑部疾病，据估计世界大约有1%的人口受到癫痫病的影响。对癫痫患者的脑电信号进行识别和分类，可以帮助医生确定癫痫发作的具体类型以便选择合理的治疗方案，帮助病人及时避开危险。因此，癫痫脑电信号识别分类的研究具有重要的理论意义和实用价值。

19世纪末期，人们开始对脑电信号(electroencephalogram，EEG)进行研究。1875年，英国的Richard Caton通过对动物进行实验记录到了它们大脑皮层的电活动[1]。1924年，Hans Berger首创了脑电图这一术语，并且首次从人类头皮上记录到脑电活动。1929年，德国耶拿大学神经科教授Berger首次发现了EEG，奠定了EEG研究的基础[2]；1934年，Berger的观察得到认同，从此人类脑电图获得科学界的认可，并被广泛应用于临床医学、心理学、药理学、脑动力学等诸多领域中[3]。

脑电信号的分析主要包括原始信号分解、特征提取、识别分类等。Johns-Gotman等提出了分解脑电信号进入半波再提取特征的方法来处理癫痫脑电信号[4]；Saab等利用小波分析来检测癫痫脑电信号的发作期[5]；Gabor等使用人工神经网络技术用来检测EEG的发作期[6]。一些学者使用时频分析相结合的人工神经网络来检测癫痫发作期，例如Ocak等采用离散小波变换分解原始信号，提取近似熵进行分类来检测癫痫发作期[7]；Oweis等提取每个固有模态函数的瞬时信息来实现模式混合分类，用来区分EEG的发作间期和发作期[8]。……