脑电图信号多维度特性分析在癫痫病发作预测中的应用

癫痫患者的非线性脑电信号存在规律难以分类识别等困境。本研究基于卷积神经网络结合多种智能寻优算法,构建联合式脑电信号分类模型,并通过实验验证其收敛性和分类性能。模型不同的频率对大脑的刺激下均能准确地测试脑电信号对应的变化规律,并选取数据集对其收敛效率进行测试,联合算法从第10次迭代的收敛速度明显优于其余算法,到200代时仍具备较大优势。联合算法比传统的极限学习机分类效率高出约10%。综合来看,该模型在实际的诊断场景下对癫痫患者的脑电信号起到采集剖析分类等作用,对癫痫发作的诊断和预测具备一定的实用性和参考价值。