非平衡数据处理方法在癫痫发作检测中的应用

野梅娜,李艳艳,杨陈军,张 瑞

(西北大学 医学大数据研究中心,陕西 西安 710127)



·数理科学·脑电数据分析专题研究·

非平衡数据处理方法在癫痫发作检测中的应用

野梅娜,李艳艳,杨陈军,张 瑞

(西北大学 医学大数据研究中心,陕西 西安 710127)

非平衡数据集是指数据集中的某类样本数量远大于其他样本的数量。对于此类数据,类分布的不平衡会直接导致很多分类算法的失效。文中基于K-means聚类,Silhouette指标和M-近邻下采样提出一种新的数据平衡方法(K-S-M)。该方法首先用K-means算法对多数类样本进行多次聚类并选取最优聚类个数,然后采用M-近邻下采样对聚类后的数据进行采样,将采样后的点最终构成平衡数据,并对得到的平衡数据进行癫痫性发作的自动检测。实验结果表明,文中所提方法可以很好地处理非平衡数据,减少数据信息损失,同时可以提高非平衡数据分类的有效性。

非平衡数据集;Silhouette指标;K-means算法;M-近邻下采样;癫痫性发作;癫痫脑电信号

癫痫是由于大脑神经细胞群超同步放电引起的脑部神经系统紊乱疾病,具有反复性和突发性,严重危害人类健康。头皮脑电图是大脑细胞电生理活动的记录,由于其不开刀、花费小等特点,现已成为癫痫诊断和治疗的一个主要手段。但是,由于癫痫性发作的不确定性,往往需要对病人进行长时间的监测,而且在所记录的脑电数据中,非发作脑电数据量远远大于发作脑电数据量,从而会产生海量的非平衡脑电数据集。……