今年年初，在《哈尔滨理工大学学报》第三期中，由哈尔滨理工大学电气与电子工程学院的柳长源、张付浩、 韦琦发表了一篇《基于脑电信号的癫痫疾病智能诊断与研究》的科研期刊论文，目前该文章已经申请了黑龙江省自然科学基金，已立项。

文中主要针对医疗诊断中癫痫脑电信号分类准确率低、分类类别少的问题,依据粒子群算法和支持向量机理论,提出了一种基于粒子群算法优化支持向量机参数的信号分类检测技术。

具体的实现方法是：

首先利用小波分析对脑电信号进行5层分解与重构，文章数据如下：

然后提取含有癫痫特征频率的3、4、5层重构信号的波动系数和近似熵等特征,计算不同状态不同尺度的脑电信号能量，再根据不同状态不同尺度的能量分布,调整特征向量的系数。

最后使用粒子群算法优化的支持向量机对脑电信号进行分类。

实验结果表明,本文提出的方法可以正确识别健康、癫痫发作间期、癫痫发作期3种类型脑电信号,最终的识别率可以达到99.83%。

国内外学者将现代数字信号处理技术应用到癫痫疾病诊断中，对脑电信号进行预处理、构建特征向量、识别分类，最终实现快速定位致痫区域。本文汲取了其它文献的优点，弥补了癫痫智能诊断中分类类别少，分类准确度低的缺点，最终分类准确度达到99.83％ ，具备良好的实验效果。