【CNMO新闻】在美国，癫痫影响着数百万人的健康和生活，它通常是通过解读脑电图或测量头皮上的脑电活动来诊断的，但信号往往很长，这使得相关数据很难解释。
澳大利亚Edith Cowan大学的研究人员和孟加拉国Pabna科技大学联合提出一个解决方案，他们在新发表的论文中表示，可以利用人工智能系统，对癫痫发作自动进行分类。
在这项研究中，研究人员试图设计一种不会对准确性产生负面影响的数据预处理技术，他们表示该方法，会减少脑电图数据的大小和特征的数量，即性能优于一些先进的癫痫检测方法。
人工智能
该小组集中获取了基准脑电图数据，这些数据集包含100个独立通道，长度为23.6秒，每个通道共有4097个数据点，并从10名参与者（5名健康参与者和5名癫痫患者）中分离出信号。接下来，他们计算出最佳样本量，将脑电图分为不同的5.9秒段，再次对每段进行样本量估计，并对每段进行合并，然后应用算法提取15个不同的特征，每个信号提取60个特征。
然后，研究人员将数据集分为三类：健康组、间隔期（两次癫痫发作之间的时间）和癫痫发作组，并使用三种不同的对比方式进行分类。他们评估了癫痫分类和logistic模型树五种不同的机器学习算法，在测试中发现随机分类器的准确率最高，即使数据点的降幅高达30%，信心指数仍高达95%。
他们写道，实验结果表明，我们提出的采样技术和特征选择算法结合随机分类器可以有效地解决癫痫发作的分类问题。
还有一些类似的研究，例如MathWorks、美国国立卫生研究院（NINDS）和美国癫痫学会 ,在谷歌的Kaggle平台上赞助了一项竞赛，该竞赛要求参与者就癫痫发作患者的脑电图数据训练算法；IBM的科学家，在今年早些时候，也描述了一种快速且高度准确的人工智能辅助癫痫分类系统。
加入收藏
