李淑芳 周卫东 袁 琦 蔡冬梅

(山东大学信息科学与工程学院，济南 250100)

引言

癫痫是以反复发作为特征的慢性神经系统疾病或综合征，其发作是脑内神经元阵发性异常电活动的临床表现[1]。由于目前治疗方法的局限，一些顽固性癫痫患者得不到有效的治疗。若能在癫痫发作前预测其即将发生，即使是较短的时间，也可使患者或医生能够及时采取必要的预防保护措施，从而降低癫痫发作造成的损害。此外，对癫痫预测的研究也将有助于开发植入式癫痫控制芯片等新的治疗手段，也有助于更清楚地认识癫痫发作的机制。

越来越多的研究表明，癫痫发作过程不是突发的，而是一个随时间演化的过程。在发作前，患者的某些生理指征已逐步发生改变，这一阶段可能持续几分钟甚至几小时，被称为过渡阶段或发作前期。由此，人们逐渐认识到，癫痫发作是有可能被提前预知的。同时，随着生理信号记录手段及信号处理方法的不断发展和完善，这些发作前的改变有可能被记录并提取出来，从而实现癫痫发作的预测[2]。

目前，癫痫预测算法(seizure prediction algorithm，SPA)主要分为线性方法和非线性方法。线性方法应用较早，主要是基于频域分析。Salant等采用了基于参数模型的多变量频谱估计的方法，检测癫痫发作前期脑电(EEG)的变化，从而达到预测的目的[2];Litt在 2001年提出了累积能量法(accumulated energy)[3]。此后，Gigola 等用小波分析方法，计算累积能量的演变来进行癫痫预测[4]。由于大脑神经电活动具有……