19、脑电图（EEG）信号分类方法综述

脑电图（EEG）信号分类方法综述

1. 引言

脑电图（EEG）是一种高效、低成本、非侵入性的测试方法，用于检测大脑的电活动。它是确定大脑功能异常的常用技术之一，通过放置在头皮上的电极来计算EEG信号。EEG不仅可用于监测和诊断癫痫、睡眠障碍等神经系统疾病，还在游戏应用、测谎、增强现实、神经营销和脑机接口（BCI）等多个研究领域得到应用。

1.1 动机

EEG分类在基于EEG的多种服务和应用中起着至关重要的作用，是医疗活动（如癫痫诊断、睡眠障碍诊断、麻醉深度评估、昏迷判断、脑病诊断和脑死亡判定）的重要依据。然而，目前存在一些问题：
- 时间消耗与诊断可及性 ：通常，专业神经科医生需要直观分析EEG记录，这不仅耗时，而且对于偏远地区的患者来说并不总是可行。因此，机器学习算法被用于自动检测和/或预测EEG形式的癫痫发作。
- 机器学习算法在EEG分类中的缺点 ：现有的分类机器学习算法存在高停滞概率、陷入局部最优、时间要求高和结果不稳定等问题。因此，迫切需要开发一种能够克服传统分类问题和缺点的潜在分类模型。

1.2 调查策略与评估

将32种现有方法根据其提出的分类方法分为七组，分别是支持向量机、人工神经网络、K近邻、卷积神经网络、线性判别分析、多分类器和其他分类方法。对每种方法的问题陈述、解决方案、性能评估策略、结果和最佳成就进行总结和分析，并提供批判性陈述。
本次调查重点关注准确性、敏感性、特异性和处理时间等性能指标，以评估以往的研究。对所有方法的最佳结果进行交叉评估，并计算同一组内所有方法的最佳准确率平均值，与其他分类组进行比较。结果显示，人工神经