15、癫痫患者脑电图分类与癫痫样尖峰检测方法

癫痫患者脑电图分类与癫痫样尖峰检测方法

1. 脑电图分类相关研究

癫痫是一个全球性的公共卫生问题，对患者的生物、社会和经济方面都有着重大影响。在癫痫患者脑电图（EEG）分类研究中，此前有多种方法取得了一定成果。例如，一些研究使用了支持向量机（SVM）和k近邻（k - NN）等分类器。

分类器	准确率
SVM - Linear	97.3%
Nandy的SVM - RBF	97.05%
本研究k - NN最佳准确率与Fergus的准确率差值	约5%

SVM - Linear的97.3%准确率与Nandy的SVM - RBF的97.05%准确率相近。不过，SVM - RBF的应用涉及线性变换以及寻找径向基函数γ参数的最优值，这需要更高的计算成本。本研究中k - NN的最佳准确率与Fergus的结果有大约5%的差异，且Fergus分类中使用的特征向量来自频域，获取这些特征需要更复杂的技术。

以往的方法在特征提取阶段通常提取频域特征，需要使用傅里叶变换和小波变换等工具，数学复杂度较高。而本研究提出的特征提取方法仅使用与脑电图信号在时域中的幅度相关的特征，降低了计算和数学复杂度。

本研究提出了一种新的癫痫患者脑电图分类模型，