韩 敏 孙磊磊 洪晓军 韩 杰

1(大连理工大学电子信息与电气工程学部，大连 116023)

2(大连医科大学附属第一医院，大连 116011)

引言

癫痫是一种常见神经系统疾病，在全世界范围内大约有1%的人饱受其困扰，脑电图检查是一种常用的辅助诊断方法。由于癫痫发作的突然性，传统的脑电图采集方法很难记录到癫痫病人发作期的脑电信号。近年来，随着计算机技术的发展，长程视频脑电图机得到了广泛应用。长程视频脑电图的记录时间可以从数小时到数周，因而能够很好地记录癫痫病人发作间期、发作前期和发作期的脑电信号，为癫痫的诊断带来了极大的便利。长程视频脑电图在采集大量脑电数据的同时，也给医生带来了巨大的工作负担。人工阅读这些脑电图既费时又费力，因此脑电信号的自动检测和分类渐渐成为研究者的共识。尤其是机器学习方法，近年来广泛应用于脑电信号的自动检测和分类，并取得了较高的分类精度[1-12]。

采用机器学习方法实现癫痫脑电信号的自动分类，首先需要对脑电信号进行特征提取。基于波形特征的脑电信号特征提取方法在癫痫脑电信号分类的早期研究中比较常用，可以被看成是人眼观察法的延伸，正如人眼能够观察到的信息总是有限的，很多有价值的信息在这类脑电信号特征中得不到体现。随着脑电信号的非线性确定性渐渐为人们所接受，非线性动力学方法也成为一类主要的脑电信号特征提取方法。……