癫痫是一种脑部功能障碍疾病。该类疾病是慢性的,所以常常伴随患者几年甚至几十年,极难治愈。癫痫的反复性和不定期发作等特点会给患者的身体和精神带来极大的伤害,为患者所在的家庭和社会带来巨大的生活负担和经济压力。所以,癫痫检测方法的研究成为众多研究学者的一项非常重要的工作。随着脑电图技术、模式识别技术以及信号处理技术的发展,癫痫脑电检测方法的研究思路变得越来越开阔。经过众多研究人员的努力,目前已经取得了许多非常重要的成果。其中,在脑电信号的分析过程中使用到的自动癫痫检测技术对于加快检测的速度以及减轻医务工作者的负担能够起到至关重要的作用。在本研究中,我们设计了一个新的自动癫痫检测系统。在该系统中,我们通过对小波神经网络进行改进得到了一种基于改进小波神经网络的应用于长程颅内脑电信号检测的自动癫痫检测方法。首先,小波神经网络结合了传统的前馈神经网络和小波变换,具有保证收敛等优点。其次,和经典的小波神经网络相比,本文中小波神经网络采用了一种改进过的基于点对称的模糊c均值算法来初始化小波变换的转移系数,该方法曾经被成功的运用到了癌症多分类技术中。为了使小波神经网络能够快速学习,本文选择了能够快速衰减的Morlet小波作为小波神经网络的激活函数。除此之外,我们提取了能够较好的表征脑电信号的相对幅度和相对波动指数组成特征向量来描述脑电信号的变化,然后将特征向量传送到小波神经网络进行训练。最后,我们使用了包括平滑、导联融合以及领子技术等在内的后处理技术以获得更准确、更稳定的结果。经过实验验证,本文综合了各个环节的优势所设计的癫痫检测系统运行良好,取得了96.72%的灵敏度,98.91%的特异性以及每小时0.27次的误检率。本文提出的方法获得了较高的灵敏度和较低的误检率,具有潜在的临床使用价值。