基于2D-CNN和Cox-Stuart早停机制的癫痫预测模型

作     者：张喜珍 张晓莉 吕洋 陈扶明 ZHANG Xizhen;ZHANG Xiaoli;LÜYang;CHEN Fuming

作者机构：甘肃中医药大学医学信息工程学院甘肃兰州730050 中国人民解放军联勤保障部队第940医院医疗保障中心甘肃兰州730050 中国人民解放军联勤保障部队第940医院眼科甘肃兰州730050 

出 版 物：《中国医学物理学杂志》 (Chinese Journal of Medical Physics)

年 卷 期：2025年第42卷第1期

页      面：82-94页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0836[工学-生物工程] 

基　　金：国家自然科学基金(61901515,82000926) 甘肃省自然科学基金(22JR5RA002) 

主　　题：癫痫 预测 Cox-Stuart检验法 2D-CNN 深度学习 

摘      要：针对如何有效预测癫痫患者是否将要发病这一问题,提出一种基于非独立患者的2维卷积神经网络(2D-CNN)和Cox-Stuart检验法的癫痫预测模型方法。首先对脑电数据做归一化处理,使用陷波滤波器和高通滤波器滤除脑电信号的噪声;将滤波后的信号输入到2D-CNN模型中进行特征提取和分类,使用Cox-Stuart方法检测是否需要早停,从而降低模型的计算复杂度和时间复杂度。此外,分别在发作前期为10、30、60 min的情况下对模型进行测试,结果显示,发作前期为10 min时,模型的效果最优。在测试集上的准确率为97.70%,灵敏度为97.36%,特异性为98.04%,具有良好的性能。