摘要
癫痫是一种最常见的神经系统疾病，全球约有1％的人患有癫痫。癫痫致病成因复杂、易复发，难以预防。因此，使用计算机辅助诊断进行癫痫检测具有重要意义。在癫痫发作状态转换期间，患者的脑电图信号（EEG）将呈现显著变化，使得利用脑电信号进行癫痫检测成为可能。广泛分析了目前利用神经网络实现癫痫检测算法研究的研究方法，总结了此类研究基本流程，收集了研究所需资料及工具，最后讨论了各方研究成果。
关键词：EEG、癫痫检测、神经网络
概述
癫痫是一种十分常见的神经系统疾病，据世界卫生组织称，全世界有约5千万人患有癫痫，且每年有240万新增癫痫患者[1]。
癫痫发作是由神经元不受控制的放电引起的[2]，放电造成了大脑功能的紊乱。癫痫发作的诱因多样，其发作往往具有不可预知性，各种人群都有隐藏的癫痫发作风险[3]。
及时准确地诊断癫痫并采取预防措施是降低癫痫发作风险、保护患者生命安全的重要条件。目前，癫痫的诊断是通过获得患者详细的病史、进行神经系统检查以及辅助检查（例如神经成像和脑电图检查等）来进行的。其中，利用脑电图（electroencephalogram，EEG）信号诊断和预防癫痫是目前相关领域研究的重点。
上个世纪70年代，学者发现在癫痫发作前一段时间内，脑电信号将呈现出显著变化[4]，而后的相关研究表明预测癫痫发作具有可行性[5]。患者处于发作间期的正常脑电信号与癫痫发作时的脑电信号存在显著不同，而大量研究发现，在发作间期与发作期之间还存在一个过渡期，即发作前期[6]。因此，癫痫发作预测的重点在于发作前期的早期预测。
传统临床上常用的癫痫检查手段为长程脑电检查，即通过专家的目测来分析脑电信号，以此确认癫痫发作情况[7]。但人工检查脑电信号的工作量极大，耗时极长，为医护人员带来极大负担且无法迅速获取诊断结果。此外，人工检查脑电信号使诊断结果极大受制于专家的专业经验，不同专家可能对同一脑电信号给出不同的诊断结果，大大增加了错误判断的可能。因此，用于诊断癫痫的脑电波信号识别计算机辅助诊断技术（Computer-aid Diagnosis，CAD）不断发展起来。
