[论文解读] Epileptic seizure classification using statistical sampling and a novel feature selection algorithm

Mursalin Mursalin, Syed Mohammed Shamsul Islam+2 more|arXiv (Cornell University)|Feb 25, 2019

EEG and Brain-Computer Interfaces参考文献 34被引用 10

一句话总结

本文提出了一种两阶段方法，用于使用统计抽样和一种新型特征选择算法进行癫痫发作分类，以减少数据量和特征数量。通过在95%置信水平下应用最优分配抽样，并结合基于相关性的阈值特征选择，该方法仅使用五个特征即实现了高达98.60%的准确率，在相同EEG数据集上优于最先进方法，同时将计算成本降至最低。

ABSTRACT

Epilepsy is a well-known neuronal disorder that can be identified by interpretation of the electroencephalogram (EEG) signal. Usually, the length of an EEG signal is quite long which is challenging to interpret manually. In this work, we propose an automated epileptic seizure detection method by applying a two-step minimization technique: first, we reduce the data points using a statistical sampling technique and then, we minimize the number of features using our novel feature selection algorithm. We then apply different machine learning algorithms for performance measurement of the proposed feature selection algorithm. The experimental results outperform some of the state-of-the-art methods for seizure detection using the reduced data points and the least number of features.

研究动机与目标

• 解决由于数据量大和特征维度高导致的EEG基发作分类计算成本过高的挑战。
• 使用统计抽样技术（最优分配）减少数据量，同时保留具有区分性的信号特征。
• 开发一种基于相关性和阈值的新型特征选择算法，以最小化冗余特征。
• 在基准EEG数据上，通过多种分类器（SVM、RF、NB、KNN、LMT）评估所提方法的性能。
• 证明减少后的数据集和特征集能够在分类准确率上保持或优于现有方法。

提出的方法

• 该方法应用最优分配抽样，通过基于置信水平（70%、85%、95%、99%）的分层选择代表性样本，以减少EEG信号长度。
• 来自波恩大学的EEG数据集（A–E）被划分为若干分层，各分层样本量使用以下公式计算：n = (z² × p × (1−p)) / e²。
• 从每个抽样分层中提取特征，包括时域、频域以及非线性特征（如近似熵和样本熵）。
• 提出一种新型特征选择算法，根据特征与目标类别的相关性进行排序，并应用动态阈值以消除冗余特征。
• 使用五种分类器——随机森林、SVM、朴素贝叶斯、K近邻和逻辑模型树——在完整和缩减的特征集上评估性能。
• 性能通过准确率（AC）、标准差以及在不同置信水平和特征数量下的对比进行评估。

实验结果

研究问题

• RQ1 在不同置信水平（70%至99%）下使用统计抽样是否能有效减少EEG数据量，同时保持分类性能？
• RQ2 所提出的特征选择算法是否比传统基于相关性的方法更有效地减少特征数量？
• RQ3 在癫痫发作检测中，数据减少与分类准确率之间的最佳平衡点是什么？
• RQ4 在使用缩减数据和特征集时，多种分类器的性能表现如何比较？
• RQ5 所提方法是否能以显著更少的数据点和特征数，实现高于最先进方法的准确率？

主要发现

• 95%置信水平下实现了最佳分类性能，所有情况下的平均准确率为97.20%。
• 在95%置信水平下，平均仅需五个特征，表明具有极高的特征压缩效率。
• 在特征选择后，随机森林在Case 1中达到最高准确率98.60% ± 0.36，优于其他分类器。
• 所提方法在Case 1中实现98.60%准确率，Case 2中为96.20%，Case 3中为96.96%，优于该数据集上的多个最先进方法。
• 当数据减少超过30%（即置信水平低于95%）时，准确率下降，表明95%为最佳平衡点。
• 该方法以显著更低的计算成本和数据量，优于深度学习和基于神经网络的方法（例如88.7%准确率）。