唐淇，李丹，李原吉

（四川大学锦城学院，四川成都，611731）

0 引言

癫痫又被称为羊角风或者羊癫疯，是大脑神经元异常放电，导致短暂的大脑功能障碍的一种慢性疾病，据中国最新流行病学资料显示，国内癫痫患病率为7.0%，年发病率为28.8/10万，1年内有发作的活动性癫痫患病率为4.6%。据此估计中国约有900万左右的癫痫患者，其中500～600万是活动性癫痫患者，同时每年新增加癫痫患者约40万，在中国癫痫已经成为神经科仅次于头痛的第二大常见病。因为其具有的不确定性和反复发作特点，癫痫状态识别不仅可以用于检测患者是否发病，还可以对癫痫电磁刺激疗法提供支持，对于一个闭环的电磁刺激控制系统，对癫痫病发作状态应具有较好的识别准确率以及实时性[1]。

以前采用脑电图进行癫痫的诊断与定位，主要靠有经验的神经电生理师对海量的信号进行人工分析，后来人工智能快速发展，出现了使用神经网络对癫痫状态识别的算法，平均准确率到达了91,04%，基于个性化模型对癫痫状态识别准确率可以到到96.43%[2]。但是脑电图的截取片段一般是1维的数据信息，而卷积神经网络一半对二维以上的数据拥有更好的学习效果，所以本文通过使用机械学习中非常优秀的算法LightGBM来进行预测。LightGBM是一种基于决策树和boost思想的梯度提升树模型，对表格化数据拥有非常高效且广泛的应用。该模型具有收敛速度快，准确率高以及泛用性广的优点。

1 方法

1.1 癫痫状态识别系统

为了实现癫痫病发作时的高效快速检测，本文使用基于LightGBM算法的模型进行训练和预测，具体流程图如图1所示。……