机器学习实现癫痫分类预测

• 作者: 刘东 徐雅蕾 杜云梅 梁会营 黄帅
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 机器学习 脑电图 癫痫分类预测 特征提取
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 特别专题-人工智能在医学领域的研究与应用
• 页码范围: 46-49
• 页数: 4页
• 分类号: R318|TP391
• 字数: 2580字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2019.03.013

摘要

目前,癫痫作为世界上最为常见的神经系统疾病之一,迫切需要有效的方法来进行诊治.脑电图检查对于诊断癫痫病有着决定性的作用,最近几十年来,一些新模型新算法的引入给癫痫分类带来了较高的准确性,尤其是深度学习神经网络算法,如CNN、LSTM、RNN等.总体来说算法大致分两大类,一类是手动提取特征并用分类器进行分类,一类是让机器自行学习特征并分类,也就是神经网络算法.介绍了一些机器学习方法在癫痫分类预测上的实现和应用,以及针对脑电波的一些预处理和特征提取方法,如脑电波的特征提取和选择,最后对面临的问题和发展状况进行总结和展望.