基于概率判决极端学习机的癫痫发作预报研究

平均预报敏感度和误报率是癫痫发作预报中最为重要的两个指标,针对在提高平均预报敏感度的同时误报率往往也会增高的问题,提出一种基于概率判决极端学习机的癫痫发作预报方法。该方法在利用平均相位相干指数对脑电信号进行特征提取的基础上,采用概率判决极端学习机进行分类,得到定量的分类信息之后,通过确定分类阈值来维持平均预报敏感度与误报率之间的平衡,最后经平滑过滤得到发作预报结果。对21例难治性癫痫病患者的仿真实验表明,本方法的平均预报敏感度可达到80.4%,平均误报率可低至0.10 h-1,具有较好的预报性能;而且训练时间短,为临床的在线应用提供了有价值的参考。