为满足临床上癫痫发作预测的准确性和实时性要求，提出一种基于时域和频域特征提取的癫痫发作预测算法。算法采用移动步长为1s，窗口大小为5s的数据段进行特征提取，并代替原始数据送入LightGBM分类器进行训练，样本分类标准为15min后患者癫痫发作与否，发作即为负样本。将该算法应用于南京市某医院癫痫数据集上进行测试，结果表明训练集召回率为100%，误报率为0/h；测试集召回率为84.18%，误报率为0.57/h。该算法可较好地解决现有数据的分类问题，对癫痫发作的预测具有一定应用价值。
0 引言
癫痫是一种慢性非传染性脑病[1]，被定义为一种持久性产生大脑紊乱的疾病，会导致严重的机体、认知、心理障碍和社会后果[2-3]。癫痫发作是由大脑中异常、过度的神