论文部分内容阅读
帕金森病脑深部局部场电位信号蕴含与疾病、症状相关的丰富信息,对临床治疗具有重要意义。选取帕金森病患者服药前后的丘脑底核场电位信号,将与症状显著相关的场电位信号的频段间功率谱比值以及小波包变换后各个节点重构信号所占总信号的能量比做为特征,利用机器学习方法识别与帕金森病药物治疗相关的脑功能状态。使用朴素贝叶斯和支持向量机分类器对药物治疗前后患者脑深部场电位信号进行分类,结果表明朴素贝叶斯分类器对患者脑功能状态的判别准确率高于支持向量机分类器,其检测的特异性达到了82.4%。提出的方法可以有效准确地辨识帕金森病