摘要
本申请提供了一种适用于个性化的癫痫脑电异常信号自动识别方法和系统，涉及医疗人工智能和生物医学信号处理技术领域。该方法将临床的目标癫痫患者的EEG信号数据作为训练数据集，通过结合特征工程和无监督学习技术，构建目标癫痫患者自身的异常信号识别模型；随后，该模型用于识别目标癫痫患者后续的EEG信号数据中的异常信号，实现了个体化的信号异常检测，解决了现有自动识别算法泛化能力差的问题；并且，通过对多个样本癫痫患者的EEG样本信号数据进行分析，筛选出进行无监督聚类的孤立森林模型，通过对孤立森林模型进行训练，得到目标癫痫患者的异常信号识别模型，突破传统的有监督学习方法对标注数据的依赖，提高癫痫异常信号的识别效率。
