基于排列熵和支持向量机的癫痫发作预测研究

作者：周梦妮; 崔会芳; 曹锐; 王彬; 阎鹏飞; 相洁^*

来源：计算机应用研究, 2019, 36(06): 1696-1699.

DOI：10.19734/j.issn.1001-3695.2017.12.0816

• 癫痫
• 排列熵
• 支持向量机
• 预测

针对癫痫发作给病人带来的巨大伤害,为临床治疗留下足够空余时间,提出一个可以预测癫痫发作的系统模型。对21名癫痫病人进行研究,提取具有较低算法复杂度的排列熵构成特征向量,将其输入支持向量机(support vector machine,SVM)训练出学习模型,用来识别发作期样本,利用投票机制充分考虑病人差异来判断所处状态,最终实现癫痫的实时预测。结果表明,其中81%的发作可以提前平均50多分钟预测到,且具有较低的误报率。为癫痫发作预测系统的理论研究打下坚实基础。

• 单位
  太原理工大学