论文研究基于排列熵和支持向量机的癫痫发作预测研究.pdf

针对癫痫发作给病人带来的巨大伤害，为临床治疗留下足够空余时间，提出一个可以预测癫痫发作的系统模型。对21名癫痫病人进行研究，提取具有较低算法复杂度的排列熵构成特征向量，将其输入支持向量机（supportvectormachine，SVM）训练出学习模型，用来识别发作期样本，利用投票机制充分考虑病人差异来判断所处状态，最终实现癫痫的实时预测。结果表明，其中81%的发作可以提前平均50多分钟预测到，且具有较低的误报率。为癫痫发作预测系统的理论研究打下坚实基础。