基于脑电信号维度变换的轻度认知障碍诊断方案

提出一种匹配卷积神经网络(CNN)的谱熵维度变换方法，以26名遗忘型轻度认知障碍患者和20名健康对照者的脑电图为数据样本，比较分析了短时傅里叶变换、小波变换和谱熵3种维度变换的性能；采用谱熵结合CNN构建了一种较为新颖的轻度认知障碍诊断方案。随后，通过前馈神经网络、k-近邻、支持向量机、决策树、朴素贝叶斯、逻辑回归等模型的对比实验，从准确性和稳定性2个角度验证了该方案可以有效完成阿尔茨海默症临床前阶段患者脑电图的模式识别。实验表明，该诊断方案可以实现(92.662±1.216)%的准确率，对存在噪声干扰的脑电信号仍具有较高的识别精度和泛化能力。