穆建秋

（贵州师范大学大数据与计算机科学学院，贵阳550000）

0 引言

根据世界卫生组织（WHO）报道[1]，全世界约有5000 万人患有癫痫症。癫痫是一种由大脑局部放电异常并向周围扩散引起的慢性脑部疾病，具有反复性和突发性。癫痫病的临床表现具有多样性，不同患者的癫痫发作持续时间和表现各有不同。目前，近30%的患者患有医学上的顽固性癫痫，他们不能彻底避免癫痫发作，使用药物只能减少癫痫发作的次数，不能彻底根除。脑电信号（Electroencephalogram，EEG）分析是检测癫痫发作的主要方法，经验丰富的专家可以从患者脑电信号的波形判断患者的大脑状态，但是这样的人工观察存在一些弊端，例如：长时间观察脑电信号会使人身心疲惫，使得效率变低、误差变大。此外，医生对癫痫患者的诊断往往是通过对脑电信号的观察并结合患者是否出现异常抽搐，进而判断癫痫是否发作。人工判断是一个主观过程，不同的专家对同一段脑电信号的诊断可能不同，导致得出的结果不同。因此，有必要寻找一种实时、准确的自动检测技术对患者脑电信号进行智能检测，这对癫痫病患者和患者家属具有十分重要的现实意义。

1 脑电信号处理的国内外研究现状

基于脑电信号的研究方向诸多，例如Manzano[2]使用深度学对睡眠状态分类；Alhagry[3]使用长短期记忆网络（Long Short-Term Memory，LSTM）进行情感识别；林伟成[4]对认知任务模式分类；Hajinoroozi[5]预测司机睡意和警觉状态等等，本文涉及的癫痫检测只是其中之一。由于以上研究的本质都是对脑电信号进行某种处理，所以即便研究方向不同，它们之间的研究方法却存在着可互用、相似之处。……