基于排列熵和支持向量机的癫痫发作预测研究

摘要

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.