基于脑电特征纹理与不平衡分类的癫痫发作检测研究
癫痫是一种常见的慢性、频繁发作的神经系统紊乱疾病,它通常是由脑神经元细胞突然过度放电引起的,严重时可导致病人失去理智或意识、运动障碍、感觉、情绪或心理功能失调,给患者带来极大的痛苦,因此癫痫疾病的诊断检测研究对癫痫疾病的诊断治疗、改善癫痫患者的生活质量具有重要的实践意义。脑电图在癫痫诊断检测中起着重要指导作用。
传统的癫痫发作诊断很大程度上依赖于医生对癫痫病人脑电图的人工观察判断,但随着脑电图记录数据量大幅度增加,人工视觉检测既耗时效率又低,同时繁重的工作及个人主观意识都会影响医生的判断力,进而影响病状检测结果的准确性。自动检测系统可以有效地辅助医生加快对癫痫疾病的检测与诊断。
传统检测研究都是在癫痫脑电信号发作类样本与非发作类样本近似相等即平衡数据集状况下进行分类识别。但癫痫非发作期持续时间与发作期持续时间相比,发作时间持续非常短,即发作类与非发作类样本表现为极端不平衡,因此对癫痫疾病的检测研究可以将其看作是一种典型的不平衡分类问题。
若采用传统平衡分类器对不平衡脑电数据进行分类识别,不可避免的会使分类结果向多数类即非发作类偏颇,而发作 ...