保姆级教程：用Python+scikit-learn从零搭建一个癫痫EEG检测模型（附代码）
从零构建癫痫EEG检测模型的Python实战指南
在神经科学和临床医学领域，癫痫发作的自动检测一直是个极具挑战性的课题。传统的人工判读EEG信号不仅耗时耗力，还容易受到主观判断的影响。随着机器学习技术的普及，现在即使是个人开发者也能利用开源工具构建自己的癫痫检测系统。本文将手把手带你用Python实现一个完整的癫痫EEG分析流程，从数据加载到模型部署，每个步骤都配有可运行的代码示例。
1. 环境准备与数据获取
1.1 安装必要的Python库
我们需要以下核心工具包：
# 基础科学计算库 pip install numpy scipy matplotlib pandas # EEG处理专用库 pip install mne mne-bids # 机器学习工具链 pip install scikit-learn imbalanced-learn seabornMNE-Python是处理EEG数据的瑞士军刀，它提供了从原始数据读取到高级分析的完整工具链。而scikit-learn则是我们构建分类模型的主力框架。
1.2 获取CHB-MIT数据集
CHB-MIT是一个广泛使用的公开癫痫EEG数据集，包含来自22名患者的长期监测记录。获取方式：
from mne.datasets import fetch_dataset fetch_dataset( name="chbmit", path="./data", update_path=True )数据集目录结构通常包含：
.edf文件：原始EEG记录.seizures文件：发作时间标注- 摘要文件：患者元数据
2. 数据预处理实战
2.1 原始信号加载与可视化
import mne raw = mne.io.read_raw_edf("data/chb01/chb01_01.edf", preload=True) raw.plot(duration=5, n_channels=10)典型EEG信号预处理流程：
| 步骤 | 方法 | 参数示例 | 作用 |
|---|---|---|---|
| 滤波 | 带通滤波 | 1-50 Hz | 去除极低频漂移和高频噪声 |
| 去噪 | ICA | n_components=15 | 分离眼动等伪迹 |
| 重参考 | 平均参考 | - | 改善信号质量 |
| 分段 | 滑动窗口 | 4秒窗长，2秒重叠 | 生成分析片段 |
2.2 自动化预处理流水线
from mne.preprocessing import ICA def preprocess_pipeline(raw): # 1. 滤波 raw.filter(1, 50, fir_design='firwin') # 2. 去工频干扰 raw.notch_filter([50, 60]) # 3. ICA去伪迹 ica = ICA(n_components=15, random_state=42) ica.fit(raw) ica.exclude = [0, 1] # 假设前两个成分是伪迹 return ica.apply(raw)3. 特征工程深度解析
3.1 时频域特征提取
from sklearn.base import BaseEstimator, TransformerMixin class FeatureExtractor(BaseEstimator, TransformerMixin): def __init__(self, sfreq=256): self.sfreq = sfreq def fit(self, X, y=None): return self def transform(self, X): # X shape: (n_epochs, n_channels, n_times) features = [] for epoch in X: epoch_feats = [] # 时域特征 epoch_feats.extend(self._time_domain_features(epoch)) # 频域特征 epoch_feats.extend(self._frequency_domain_features(epoch)) features.append(epoch_feats) return np.array(features) def _time_domain_features(self, epoch): """计算时域统计特征""" return [ np.mean(epoch, axis=1), np.std(epoch, axis=1), skewness(epoch, axis=1), kurtosis(epoch, axis=1) ] def _frequency_domain_features(self, epoch): """计算频域能量特征""" psd, _ = periodogram(epoch, fs=self.sfreq) return [ np.mean(psd[:, 0:4], axis=1), # Delta波 np.mean(psd[:, 4:8], axis=1), # Theta波 np.mean(psd[:, 8:13], axis=1), # Alpha波 np.mean(psd[:, 13:30], axis=1) # Beta波 ]3.2 特征选择与可视化
使用Seaborn绘制特征分布图可以帮助我们理解不同特征的区分能力：
import seaborn as sns # 合并特征与标签 df = pd.DataFrame(features) df['label'] = labels # 绘制特征对分布 sns.pairplot( data=df, vars=['delta_power', 'theta_power', 'std_dev'], hue='label', plot_kws={'alpha': 0.6} )4. 模型构建与优化
4.1 构建分类流水线
from sklearn.pipeline import Pipeline from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import cross_val_score pipeline = Pipeline([ ('feature_extractor', FeatureExtractor()), ('scaler', StandardScaler()), ('classifier', RandomForestClassifier( n_estimators=200, class_weight='balanced', random_state=42 )) ]) scores = cross_val_score( pipeline, epochs, labels, cv=5, scoring='f1' ) print(f"平均F1分数: {np.mean(scores):.2f}")4.2 超参数优化
使用GridSearchCV寻找最优参数组合：
param_grid = { 'classifier__n_estimators': [100, 200, 300], 'classifier__max_depth': [None, 5, 10], 'classifier__min_samples_split': [2, 5] } search = GridSearchCV( pipeline, param_grid, cv=3, scoring='f1', n_jobs=-1 ) search.fit(X_train, y_train)4.3 处理类别不平衡
癫痫发作片段通常只占整个记录的1-5%，我们需要特别处理这种不平衡：
from imblearn.over_sampling import SMOTE pipeline = Pipeline([ ('feature_extractor', FeatureExtractor()), ('scaler', StandardScaler()), ('smote', SMOTE(random_state=42)), ('classifier', RandomForestClassifier()) ])5. 模型部署与实时检测
5.1 构建实时检测类
class RealTimeDetector: def __init__(self, model, buffer_size=256): self.model = model self.buffer = np.zeros((buffer_size,)) self.sample_rate = 256 # Hz def add_samples(self, new_samples): """添加新样本到缓冲区""" self.buffer = np.roll(self.buffer, -len(new_samples)) self.buffer[-len(new_samples):] = new_samples def check_seizure(self): """检查当前缓冲区是否包含发作""" if len(self.buffer) < self.sample_rate * 4: # 至少需要4秒数据 return False # 提取特征并预测 features = self.model['feature_extractor'].transform( self.buffer[np.newaxis, np.newaxis, :] ) features = self.model['scaler'].transform(features) return self.model['classifier'].predict(features)[0]5.2 性能优化技巧
- 延迟处理：使用多线程避免阻塞主采集线程
- 批处理：积累足够样本后再进行预测
- 模型量化：减小模型体积提升推理速度
# 使用joblib优化后的模型保存 from joblib import dump dump(pipeline, 'seizure_detector.joblib')在实际项目中，我发现特征工程的质量往往比模型选择更重要。一个精心设计的特征提取器配合简单的随机森林，通常比复杂的深度学习模型表现更好，特别是在数据量有限的情况下。另外，实时检测时要特别注意处理边界效应，适当使用重叠窗口可以显著提升检测的及时性。