trpthsimran-gif/EEG-Based-Epilepsy-Detection

# 基于EEG的癫痫检测（使用ML与DL） ## 概述 本项目专注于利用机器学习（ML）与深度学习（DL）技术对脑电图（EEG）信号进行癫痫检测。 ## 主要功能 - 预处理后的EEG数据（6,000+个epoch） - 特征工程（PLV、Hjorth参数） - 机器学习模型：随机森林、支持向量机、XGBoost - 用于分类的深度学习模型 - 最高AUC达到0.94 ## 🛠 技术栈 - Python、NumPy、Pandas - Scikit-learn - TensorFlow / Keras - Matplotlib、Seaborn ## 结果 - 模型性能从AUC 0.56提升至0.94 - 降低噪声并增强特征质量 ## 文件 - `Pure_ML_Pipeline.ipynb` – 经典机器学习管道 - `DL_Classification.ipynb` – 深度学习模型 - `Clinical_Biomarker_EEG.ipynb` – 特征提取 ## 后续工作 - 实时EEG预测 - 使用Flask/Streamlit进行部署

标签：Apex, AUC, EEG, Flask, Hjorth参数, Keras, Matplotlib, NumPy, PLV, Python, Scikit-learn, Seaborn, Streamlit, SVM, TensorFlow, XGBoost, 信号处理, 医学AI, 医疗大数据, 实时预测, 数据预处理, 无后门, 时间序列分类, 机器学习, 模型优化, 深度学习, 特征工程, 生物医学信号, 癫痫检测, 脑电信号, 访问控制, 逆向工具, 随机森林