14、基于信号形态的癫痫患者脑电图分类研究

基于信号形态的癫痫患者脑电图分类研究

1. 引言

癫痫是一种慢性神经系统疾病，会导致患者癫痫发作。这种病症严重影响患者的日常生活，在某些情况下，癫痫发作可能导致受伤、创伤甚至猝死。如果能提前诊断或给予适当治疗，癫痫患者有望摆脱发作困扰。因此，简化和加速癫痫诊断与治疗的方法十分必要。

已有不少研究者提出在脑电图（EEG）分析中识别癫痫发作的方法，为疑似癫痫患者的诊断和治疗提供了多种选择。不过，大多数脑电图分类方法是针对单个患者的，缺乏通用性。

本研究旨在开发一种脑电图分类模型，用于判断是否存在癫痫发作。研究借鉴了用于心电图（ECG）心律失常分类的特征提取方法，该方法基于在时间窗口内计算统计矩。确定能使两组数据最大程度分离的统计特征后，从CHB - MIT数据库的119份脑电图中计算该特征，再使用线性分类器对获取的特征向量进行分类，准确率可达97%。

2. 数据库

CHB - MIT数据库包含23名年龄在1.5至22岁之间的患者的脑电图记录，每位患者有9至42次脑电图采集。该数据库共有664份脑电图，其中129份标记有癫痫发作，所有脑电图的采样频率均为256 Hz。具体信息如下表所示：
| 病例 | 性别 | 年龄（岁） | 发作次数 |
| — | — | — | — |
| chb01 | F | 11 | 7 |
| chb02 | M | 11 | 3 |
| chb03 | F | 14 | 7 |
| chb04 | M | 22 | 4 |
| chb05 | F | 7 | 5 |
| chb06 | F | 1.5 | 10 |
|