基于粒子群優化支持向量機的癲癇發作預測*

劉金森 黃煒嘉 李效龍

（江蘇科技大學電子信息學院 鎮江 212100）

1 引言

癲癇是一種危害極大的神經系統疾病，具有突發性與反復性，嚴重影響了病人的日常生活。越來越多的研究表明，癲癇發作具有可預測性［1］。如果能夠在癲癇發作之前發出警報，提醒病人家屬或者醫生對病人采取相應措施來抑制癲癇發作，就能夠減緩癲癇病人的痛苦，從而降低癲癇發作給患者帶來的危害。目前，癲癇發作自動預測已經成為腦電疾病研究領域的熱點問題。

癲癇發作分為發作前期、發作期、發作后期和發作間期四個階段［2］。癲癇預測的主要目標是對癲癇發作前期與癲癇發作間期的腦電信號進行區分，識別出發作前期信號并發出預警，進而達到癲癇預測目的。

對于發作前期與發作間期的二分類問題主要分為特征提取和模式識別兩個部分。在癲癇病人的腦電信號特征提取方面，學者們做了大量的研究工作，主要分為以下四類：1）時域方法：均值、標準差［3］、Hjorth 復雜度［4］等；2）頻域方法：功率譜［5］；3）時頻分析方法：短時傅里葉變換［6］、小波變換［7］、小波包變換［8］、經驗模態分解［9］；4）非線性動力學方法：最大Lyapunov 指數［10］、熵［11］。時域分析方法主要是分析信號的幾何特性，如對癲癇棘波、尖波等特征波形進行分析；頻域分析主要是通過傅里葉變換、Weich 方法、AR 模型參數方法獲得信號的功率譜，將腦電信號各頻段的功率、相對功率、絕對功率等作為特征進行研究。然而，時域和頻域方法都只針對信號單一角度進行度量，且通常需要假設腦電信號為平穩信號，這與腦電信號的非平穩性相矛盾，小波包變換具有良好的正交性和局部特性，可以對信號進行多尺度、多分辨分析，非常適合于腦電信號等非平穩信號的分析研究。……