文献类型：期刊文章

作　　者：韩长明[1,2] 彭福来[2] 陈财[2] 李文超[2] 张昔坤[2] 王星维(综述)[2] 周卫东(审校)[1]

HAN Changming;PENG Fulai;CHEN Cai;LI Wenchao;ZHANG Xikun;WANG Xingwei;ZHOU Weidong(School of Microelectronics,Shandong University,Jinan 250101,P.R.China;Shandong Institute of Advanced Technology,Chinese Academy of Sciences,Jinan 250000,P.R.China)

机构地区：[1]山东大学微电子学院,济南250101 [2]山东中科先进技术研究院有限公司,济南250000

出　　处：《生物医学工程学杂志》

基　　金：山东省自然科学基金资助项目(ZR2020QF024);济南市“高校20条”资助项目(2019GXRC040);山东中科先进技术研究院支持项目(YJZX003);泉城“5150”引才倍增计划创新人才(团队)。

年　　份：2021

卷　　号：38

期　　号：6

起止页码：1193-1202

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、EMBASE、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：癫痫作为一种神经系统常见疾病,具有发病率高、突发性和反复性的特点。及时预测癫痫发作并进行干预治疗,可以显著减少患者的意外伤害。当前,基于脑电信号的癫痫发作预测正成为癫痫研究的热点,虽然相关研究取得很多进展,但距临床应用仍有一定距离。本文就该领域的研究进行综述,阐述了其发展历程及关键技术,着重介绍和分析基于机器学习和深度学习进行癫痫发作预测的研究进展。传统机器学习方法面临特征选取和浅层模型泛化能力弱等制约,采用深度学习进行癫痫预测逐渐成为当前发展趋势,需要开展更加深入的探索,以促进癫痫发作预测技术的临床应用。

关 键 词：癫痫 发作预测  脑电信号 机器学习  深度学习  

分 类 号：R742.1]