基于2D-CNN和Cox-Stuart早停机制的癫痫预测模型

摘要

针对如何有效预测癫痫患者是否将要发病这一问题，提出一种基于非独立患者的2维卷积神经网络（2D-CNN）和Cox-Stuart检验法的癫痫预测模型方法。首先对脑电数据做归一化处理，使用陷波滤波器和高通滤波器滤除脑电信号的噪声；将滤波后的信号输入到2D-CNN模型中进行特征提取和分类，使用Cox-Stuart方法检测是否需要早停，从而降低模型的计算复杂度和时间复杂度。此外，分别在发作前期为10、30、60 min的情况下对模型进行测试，结果显示，发作前期为10 min时，模型的效果最优。在测试集上的准确率为97.70%，灵敏度为97.36%，特异性为98.04%，具有良好的性能。

关键词

癫痫 / 预测 / Cox-Stuart检验法 / 2D-CNN / 深度学习

基金资助

国家自然科学基金（61901515,82000926）; 甘肃省自然科学基金（22JR5RA002）