Spike and epileptic seizure detection using wavelet packet transform based on approximate entropy and energy with artificial neural network

Conference proceedings article

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

ไม่พบข้อมูลที่เกี่ยวข้อง

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Artameeyanant P., Chiracharit W., Chamnongthai K.

ผู้เผยแพร่: Hindawi

ปีที่เผยแพร่ (ค.ศ.): 2012

ISBN: 9781467348928

นอก: 0146-9428

eISSN: 1745-4557

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84875120552&doi=10.1109%2fBMEiCon.2012.6465481&partnerID=40&md5=46b7ac520cba67ddd5f7b0d1d8c85879

ภาษา: English-Great Britain (EN-GB)

ดูบนเว็บไซต์ของสำนักพิมพ์

บทคัดย่อ

This paper proposes the method that can detect both spikes and epileptic seizure at the same time based on wavelet packet transform, approximate entropy and energy, and artificial neural network. First, the EEG signals are decomposed into 4 levels, 16 frequency sub-bands, using Daubechies for mother wavelet to distinguish the usable signal. Then the approximate entropy and energy features are extracted for each sub-band to form the feature vector. Finally, the constructed feature vector is used as an input to the artificial neural network to classify the EEG signals into 6 types of spike, epileptic seizure, eye closed, eye opened, body movement, and normal signal. The experimental results show that the proposed method identified and classified the EEG signal with average sensitivity of 76.55%, specificity of 81.3%, and accuracy of 89.47%. ฉ2012 IEEE.

คำสำคัญ

Approximate entropy, EEG signal, Epileptic seizure, Spike, Wavelet packet transform