基于机器学习的跨患者癫痫自动检测算法

吉林大学学报(理学版) ›› 2021, Vol. 59 ›› Issue (1): 101-106.

基于机器学习的跨患者癫痫自动检测算法

杨舒涵^1,2, 李博^2,3, 周丰丰^1,2

1. 吉林大学计算机科学与技术学院, 长春 130012；2. 吉林大学符号计算与知识工程教育部重点实验室, 长春 130012;
3. 吉林大学软件学院, 长春 130012

收稿日期:2020-02-05 出版日期:2021-01-26 发布日期:2021-01-26
通讯作者: 周丰丰 E-mail:ffzhou@jlu.edu.cn

Automatic Epileptic Seizure Detection Algorithm for Non-specific Patient Based on Machine Learning

YANG Shuhan^1,2, LI Bo^2,3, ZHOU Fengfeng^1,2

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China；
2. Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China;
3. College of Software, Jilin University, Changchun 130012, China

Received:2020-02-05 Online:2021-01-26 Published:2021-01-26

摘要/Abstract

摘要： 针对目前癫痫自动检测算法多集中于为单个患者建立检测模型, 泛化能力较弱的问题, 提出一种基于机器学习的跨患者癫痫自动检测算法. 该算法使用多个癫痫患者的脑电数据, 先对数据进行预处理后分析脑电数据间存在的特征, 再对特征进行筛选, 训练出一个跨患者的癫痫自动检测模型. 该算法不需为每个患者
建立单独的检测模型, 实现了仅使用一个检测模型即可对不同患者进行癫痫检测. 实验结果准确率为0.877 4, 敏感性为0.854 8, 特异性为0.9.

关键词: 癫痫检测, 机器学习, 脑电数据, 滤波器, 特征提取, 特征选择

Abstract: Aiming at the problem that the automatic epileptic seizure detection algorithm focused on the establishment of a detection model for single patient, and the generalization ability was weak, we proposed an automatic epileptic seizure detection algorithm for non-specific patient based on machine learning. The algorithm used the electroencephalography (EEG) data of multiple epileptic patients, analyzed the characteristics of EEG data after preprocessing the data, and then selected the characteristics to train an automatic epileptic seizure detection model for non-specific patients. The algorithm did not need to establish a separate detection model for each patient, it could detect epilepsy in different patients with only one detection model. The accuracy, sensitivity and specificity of the algorithm are 0.877 4,0.854 8 and 0.9, respectively.

Key words: seizure detection, machine learning, electroencephalography data, filter, feature extraction, feature selection

中图分类号:

TP399

杨舒涵, 李博, 周丰丰. 基于机器学习的跨患者癫痫自动检测算法[J]. 吉林大学学报(理学版), 2021, 59(1): 101-106.

YANG Shuhan, LI Bo, ZHOU Fengfeng. Automatic Epileptic Seizure Detection Algorithm for Non-specific Patient Based on Machine Learning[J]. Journal of Jilin University Science Edition, 2021, 59(1): 101-106.

[1]	王丽, 王涛, 肖巍, 刘兆赓, 李占山. XGBoost启发的双向特征选择算法[J]. 吉林大学学报(理学版), 2021, 59(3): 627-634.
[2]	王明丽, 王刚, 郭晓新, 王献昌. 基于跨层复制连接卷积神经网络的遥感图像融合[J]. 吉林大学学报(理学版), 2020, 58(4): 913-922.
[3]	李健, 姜楠, 宝音巴特, 张帆, 张伟健, 王薇. 空间颜色聚类算法及其在图像特征提取中的应用[J]. 吉林大学学报(理学版), 2020, 58(3): 627-633.
[4]	周新莲, 朱泽鹏. 无线传感器骨干网络路由算法[J]. 吉林大学学报(理学版), 2019, 57(2): 363-368.
[5]	刘帅, 刘元宁, 庄述鑫, 侯铭楷, 陈静, 张水涵. 自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别[J]. 吉林大学学报(理学版), 2019, 57(2): 331-338.
[6]	董刚, 余伟, 玄光哲. 高级持续性威胁中攻击特征的分析与检测[J]. 吉林大学学报(理学版), 2019, 57(2): 339-344.
[7]	陈广秋, 梁小伟, 段锦, 才华. 多级方向引导滤波器及其在多传感器图像融合中的应用[J]. 吉林大学学报(理学版), 2019, 57(1): 129-138.
[8]	方秋莲, 王培锦, 隋阳, 郑涵颖, 吕春玥, 王艳彤. 朴素Bayes分类器文本特征向量的参数优化[J]. 吉林大学学报(理学版), 2019, 57(06): 1479-1485.
[9]	王颖, 曹捷, 邱志洋. 基于乌鸦搜索算法的新型特征选择算法[J]. 吉林大学学报(理学版), 2019, 57(04): 869-874.
[10]	楚玺, 周志祥, 邓国军, 邵帅. 模糊图像的不连续边缘智能检测改进算法[J]. 吉林大学学报(理学版), 2019, 57(04): 875-881.
[11]	刘宇晴, 王天昊, 徐旭. 深度学习神经网络的新型自适应激活函数[J]. 吉林大学学报(理学版), 2019, 57(04): 857-859.
[12]	郭凯文, 潘宏亮, 侯阿临. 基于特征选择和聚类的分类算法[J]. 吉林大学学报(理学版), 2018, 56(2): 395-398.
[13]	王刚, 陈贺新, 陈绵书. 基于HEVC的自适应插值滤波算法[J]. 吉林大学学报(理学版), 2018, 56(2): 320-328.
[14]	莫才健, 武锋强, 陈莉, 邹强. 基于量子粒子群算法选择特征的遥感图像分类[J]. 吉林大学学报(理学版), 2018, 56(2): 368-374.
[15]	王银花, 王丽萍, 王忠良. 基于判别分析与低秩投影的人脸识别算法[J]. 吉林大学学报(理学版), 2018, 56(2): 355-360.