Прогнозирование динамики ЭЭГ при эпилепсии с помощью методов машинного обучения

Эпилепсия — это неврологическое заболевание, приводящее к нарушениям нормальной мозговой деятельности с характерными повторяющимися припадками. Не все виды заболевания поддаются медикаментозному лечению, а хирургическое вмешательство связано с большими рисками. Чтобы облегчить жизнь больным эпилепсией, существует потребность в предсказании наступления эпилептических приступов. В данной работе осуществляется прогнозирование припадков по данным электроэнцефалографии (ЭЭГ) с помощью методов машинного обучения. Задача сводится к классификации сегментов ЭЭГ с нормальной и предэпилептической активностью. Были протестированы такие классические алгоритмы классификации, как логистическая регрессия, метод опорных векторов, градиентный бустинг над решающими деревьями, а также новый алгоритм CatBoost. В результате, для некоторых пациентов удалось решить задачу с помощью меньшего количества каналов записи ЭЭГ, а количество предсказанных эпилепсий составило 70% на тестовой выборке.