癫痫(Epilepsy)是一种常见的神经系统疾病，可发病于各年龄段人群。主要发病原因是脑部神经元异常性放电，其发作具有突发性和反复性等特点。自动癫痫检测技术是通过计算机和相关检测算法，自动实现对癫痫发作脑电的判别，具有广阔的临床应用前景和社会价值。癫痫自动检测技术主要对脑电信号的特征提取和分类，特征提取方法主要包括时域分析、频域分析、时频分析、非线性分析等，分类主要通过支持向量机、最近邻分类器、人工神经网络等。

在该研究方向上，已在多个SCI期刊上发表数十篇相关论文，包括International Journal of Neural Systems, Epilepsy & Behaviour等SCI期刊，提出的研究算法包括：基于S变换和奇异值分解的快速算法、基于稀疏表示和字典学习的检测算法、核协作表示算法等。目前，实验室正在研究探索深度学习在癫痫检测领域的应用，使用包括卷积神经网络(CNN)，循环神经网络(RNN)，深信度网络(DBN)等，更加全面和深入的分析脑电信号。

提取癫痫脑电信号的时频特征

同医院开展深度合作