一、 研究背景與動機
癲癇為一種神經系統疾病，在醫學研究中發現罹患癲癇的 原因有可能是腦部病變 或者腦部遭到外力傷害所影響，發作時會產生不規則的抽蓄，這些抽蓄是長時間抽蓄，
或者自身不會察覺的抽蓄。癲癇是因為大腦內生物電流不規則的放電或腦皮質活動太活 躍所造成，當前要確認癲癇發作，一般是透過腦波圖檢查，經由有經驗的醫師人工長時 間的觀察判斷是否有癲癇。腦電活動可分為 4 個頻帶成分:δ 波、θ 波、α 波和 β 波，這 些頻率都很低，範圍在0.5hz 到 40hz 之間，患者大多以 3hz 的棘慢綜合波為主，換句話 說其大部分有意義的成分都是低頻訊號，然而透過人工判斷癲癇發作必須耗費許多時間。
我們透過對癲癇腦電圖的分析發現，在癲癇腦波中，大致可分為三個階段，一為正常狀 態(inter-ictal)、二為發作前(pre-ictal)、三為發作中(ictal)，透過這三種狀態希望進行自動 癲癇的判斷且進一步的進行癲癇發作預測。癲癇發作預測最好能夠同時具備幾個條件，
一是便利性，讓患者可以正常生活，在即將發作時能夠提早用藥、就醫等等，二是即時 性，若不具有即時性，當患者發作必須花費過長的時間才能判斷出來，可能會延誤醫療 照護的時間，三是癲癇發作預測的準確度，具備這三點的癲癇發作預測較能夠用於現實 生活中。目前測量腦波的方式大致分成侵入式、半侵入式以及非侵入式，侵入式與半侵 入式，它必須將電極植入灰質或灰質到腦殼之間，藉以測量腦波訊號，測量的品質較好 且較不容易受到雜訊的干擾，但是測量相當不方便，非侵入式的腦波儀器則是將電極黏 貼至頭皮藉以測量腦波訊號，訊號的品質較差，容易受到雜訊的干擾，但是測量便利，
圖一 肌肉雜訊
分析，來進行去除，所花費的時間較長，用於癲癇發作預測上較為不理想，二是減少雜 訊的干擾，透過特定的演算法，讓雜訊與非雜訊的腦波訊號差異性變小，讓雜訊較不會 干擾重要的腦波資料，其優點能夠減少去除雜訊的時間，讓使用者隨時可以進行腦波測 量。在癲癇預測方面，由於腦波訊號因人而異，所以在面對不同病人上面癲癇預測的準
確度也不同，所以希望能夠找較好的方法來提升癲癇預測的準確度。
二、 研究目的
如果想要讓癲癇患者能夠便利的測量腦波訊號以利於癲癇發作預測，必須選擇非侵 入式的腦波測量儀器，但非侵入式的腦波測量儀器在測量時容易產生雜訊。這些雜訊會 使癲癇發作預測的準確度下降，所以必須做雜訊處理，然後不希望影響癲癇預測發作的 時間，當前有學者提出從腦波取正零越點區間(positive zero-crossing-interval;PZCI)當作資 料，經由直方統計分析，找到癲癇發作的特徵，零越點區間它的優點可以讓雜訊影響變 小[3]，缺點是對於部分患者效果較差，因此希望能夠使用更多種不一樣的特徵作分析。
三、 論文架構
本論文共分成五個章節，第一章介紹關於腦波與癲癇的基本知識，第二章說明癲癇 發作預測的困難與雜訊處理的介紹，第三章說明本論文使用的方法，包含資料庫來源、
資料輸入，第四章實驗結果以多種分段與分類器並與其他方法作比較確認癲癇預測效果 能夠提升，第五章對於本論文做一個總結。
Sensitivity = 𝑇𝑃
𝑇𝑃 + 𝐹𝑁× 100%
Accuracy = 𝑇𝑃 + 𝑇𝑁
𝑇𝑃 + 𝐹𝑁 + 𝑇𝑁 + 𝐹𝑃× 100% (2)