為了提高計算機化癲癇發作檢測的準確性和檢測效率，本文提出了一種基于改進遺傳算法的優化反向傳播（IGA-BP）神經網絡的癲癇診斷方法，以期利用該方法可以實現臨床癲癇病癥的快速、高效檢測。該方法首先對癲癇腦電信號進行線性與非線性相結合的特征提取，通過高斯混合模型（GMM）對癲癇特征聚簇集合分析，利用最大期望（EM）算法估算高斯混合模型參量，獲取遺傳算法（GA）選擇算子的最優參數組合，實現對遺傳算法的改進，用改進的遺傳算法調整反向傳播（BP）神經網絡以獲取最佳初始權值和閾值，建立改進遺傳算法優化的 BP 神經網絡模型。利用該模型對癲癇腦電信號分類識別，最終實現癲癇病癥的自動檢測。與傳統遺傳算法優化的 BP（GA-BP）神經網絡相比較，本文所提出的方法提高了種群的收斂速度、減小了分類誤差，在癲癇病癥自動檢測中提高了檢測準確率并縮短了檢測時間，在臨床癲癇發作診斷中具有重要的應用價值。
