基于深度学习的癫痫发作预测方法研究

闵腾飞, 臧天仪

(哈尔滨工业大学 计算机科学与技术学院, 哈尔滨 150001)

0 引 言

癫痫是一种长期性的神经系统疾病，病症发作时癫痫抽搐，俗称羊角风。目前癫痫疾病不能治愈，对于多数患者，抽搐发作可由足够剂量的药物控制；如果药物无法控制，只能通过外科手术切除引起癫痫的组织。但是仍有许多患者虽已接受了最好的治疗方法，却还会面临间发性的癫痫抽搐发作病症。即使癫痫发作不会经常发生，也将导致癫痫患者由于可能发生的癫痫发作而经历持续的焦虑[1]。

通常，癫痫可由连续的脑电图监测确诊，但以前脑电图只能在住院治疗的环境下才能获得。近些年来，随着便携式脑电图系统的推出，脑电图记录变得非常普遍。然而，患者虽然获得了与住院治疗监控一样的脑电图，但如何利用记录的大量脑电图在癫痫发作之前提供可靠的预警信号成为非常有价值的研究问题[2]。

越来越多的人认识到，通过采用癫痫发作预警的闭环治疗策略，可以在一定程度上控制癫痫的发作[3]。早期癫痫发作预警系统还可以帮助患者寻求安全的环境，提醒患者避免驾驶或游泳等潜在的危险活动，从而降低伤害风险以及由看似不可预测的癫痫发作导致的无助感。通过这种早期癫痫发作自动预警系统，可以以速效药的形式触发药物干预，只有在需要预防即将出现的癫痫发作时才可以使用药物，从而减少总体副作用[4]。为了使基于EEG的癫痫发作预警系统能够有效地运行与工作，利用预测算法可靠地识别癫痫发作可能性增加的时期则将尤其显出其现实关键研究意义。……