人工智能再次现身健康领域 对癫痫发作进行自动分类

【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运动 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规划，他们在新揭橥 的论文中表示 ，可以利用人工智能系统，对癫痫发生发火 自动进行分类。

在这项研究中，研究人员试图设计一种不会瞄准 确性产生 负面影响的数据预处置惩罚 技术，他们表示 该办法 ，会减少脑电图数据的巨细 和特征的数量，即性能优于一些先进的癫痫检测办法 。


人工智能

该小组集中获取了基准脑电图数据，这些数据集包孕 100个自力 通道，长度为23.6秒，每个通道共有4097个数据点，并从10名介入 者（5名健康介入 者和5名癫痫患者）中分手出信号。接下来，他们计算出最佳样本量，将脑电图分为不合 的5.9秒段，再次对每段进行样本量估计 ，并对每段进行归并 ，然后应用算法提取15个不合 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（两次癫痫发生发火 之间的时间）和癫痫发生发火 组，并使用三种不合 的比较 方 式进行分类。他们评估了癫痫分类和logistic模型树五种不合 的机器学习算法，在测试中发觉 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，实验结果注解 ，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生发火 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，该竞赛要求介入 者就癫痫发生发火 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帮助 癫痫分类系统。