14、电子健康服务中的癫痫发作预测与数据匿名化研究

电子健康服务中的癫痫发作预测与数据匿名化研究

1. 癫痫发作预测模型分析

在癫痫发作预测的研究中，研究人员通过对 16 个不同实验进行对比分析来评估预测模型的性能。其中 8 个实验用于发作前 25 分钟的预测，另外 8 个用于发作前 30 分钟的预测。这些实验均在 21 名患者上进行，并最终准备了四个不同的数据集。

• 数据集准备 ：
  • 使用顺序前向选择（SFS）特征子集选择算法准备了两个数据集，分别用于发作前 25 分钟和 30 分钟的预测。
  • 使用互信息（MI）特征排名算法准备了另外两个数据集，同样分别用于发作前 25 分钟和 30 分钟的预测。
• 模型学习与评估 ：使用四个不同的分类器（ANN、KNN、使用一对多方法的 MC - SVM 和使用一对一方法的 MC - SVM）对这四个数据集进行学习，共学习了 336 个预测模型，并报告了每个分类器的平均评估指标，包括准确率、灵敏度、特异性和 S1 分数。

算法	预测时间	分类器	准确率	灵敏度	特异性	S1 分数
SFS	25 分钟前	KNN