论文部分内容阅读
为满足临床上癫痫发作预测的准确性和实时性要求,提出一种基于时域和频域特征提取的癫痫发作预测算法.算法采用移动步长为1s,窗口大小为5s的数据段进行特征提取,并代替原始数据送入LightGBM分类器进行训练,样本分类标准为15min后患者癫痫发作与否,发作即为负样本.将该算法应用于南京市某医院癫痫数据集上进行测试,结果表明训练集召回率为100％,误报率为0/h;测试集召回率为84.18％,误报率为0.57/h.该算法可较好地解决现有数据的分类问题,对癫痫发作的预测具有一定应用价值.