基于改进的LSTM癫痫预测算法研究

作者：汤云琪; 郭滨^*; 李可欣

来源：长春理工大学学报(自然科学版), 2021, 44(04): 37-42.

• 脑电信号(EEG)
• 癫痫预测
• 长短期记忆网络(LSTM)
• 小波变换
• 电子搜索算法(ESA)

癫痫作为一种脑神经系统疾病,因其反复性强和治愈性低的特点,成为了目前医学界的难题。癫痫的患病率在世界上仅次于急性脑卒中的慢性疾病,达0.4%-1.4%。针对疾病发作的实时预测困难的问题,提出一种基于长短期记忆网络(LSTM)改进的癫痫发作预测算法研究。对经过预处理的电脑信号采用小波变换提取信号中的不同能量特征作为LSTM的输入参数,将电子搜索算法(ESA)和随时间反向传播算法(BPTT)相结合更快更准确地调整网络参数,以实现癫痫病发作的短时预测。与现有的网络预测分类模型LSTM、SVM进行对比试验,本文算法较传统分类算法提高了分类精度,达93.7%。

• 单位
  长春理工大学; 电子信息工程学院