對中風病患之腦電波，進行訊號處理、特徵抽取、特徵選擇、模型選擇等，偵測病患是否有中風後癲癇，在 1 分 54 秒的 EEG 訊號分析，可以獲得 0.7192 的 F1-score、0.4479 的 Sensitivity 及 0.8313 的 Specificity，與當前的癲癇偵測機器學習方法與EEG 深度學習模型比較，有顯著的效果提升。此外，我們開發了一個視窗程式介面，可以選擇癲癇偵測模型，觀察 EEG 腦波時間序列分析，用以輔助醫師決策。 關鍵詞：腦電圖、小波分析、中風癲癇、機器學習、臨床決策支援系統 開發工具 : Scikit-learn、Keras、Tkinter、Mne、Matlab