机构名称：
¥ 1.0
癫痫患者由于这种复杂的大脑状况而遇到许多困难，这是经常抽搐的特征。这些癫痫发作的症状包括怪异的行为，奇怪的感觉，并且在极端情况下，意识丧失。这些癫痫发作是中枢神经系统中异常电脉冲的发作。成功的癫痫管理取决于早期癫痫发作检测和识别，这允许适当的干预措施最大程度地降低风险并改善患者的预后。过去几年中癫痫调查领域的非凡进步有助于：机器学习技术的爆炸性开发以及非侵入性脑电图（EEG）设备的成本下降。低成本的脑电图设备的可用性使收集有关大脑活动的信息变得更加容易，这为监测和分析从传统医疗环境中脱闭的癫痫发作发作的新途径开辟了新的途径。大量数据和机器学习方法的进步为早期识别和预测癫痫发作创造了新的机会。机器学习算法可以根据脑电图数据预测癫痫发作，从而为癫痫患者提供更多控制和明智的决策。本文提供了当前对治疗癫痫发作的方法的评论。特征提取技术和分类算法会特别重点。列出了最受欢迎的EEG数据集及其可访问性。所检查的方法范围从使用更具成熟的机器学习技术的方法，例如天真的贝叶斯模型，支持向量机（SVM）和线性判别分析（LDA），到那些利用最近的深度学习技术，例如（长期短期记忆或LSTM），以及深卷卷积 - 卷积 - 内罗尔 - 内罗尔 - 纳特尔 - 新工程（CNNN）（CNN）。
对预测癫痫发作的基于机器学习的方法的全面研究
主要关键词
相关文件推荐
