目的 探究常规临床资料挖掘对卒中后癫痫发作的预测价值。方法 选取2020-01—2022-12邯郸市中心医院治疗的100例脑卒中患者为对象，其中研究组32例脑卒中后癫痫患者，对照组68例脑卒中后无癫痫患者。收集并比较2组患者的临床资料，建立决策树C5.0模型及人工神经网络（ANN）模型，对比两种模型预测卒中后癫痫发作的效能。结果 研究组在性别、病灶部位、NIHSS评分、低密度脂蛋白（LDL）、C反应蛋白（CRP）、D-二聚体（D-D）、中性粒细胞/淋巴细胞比值（NLR）、血小板/淋巴细胞比值（PLR）等方面与对照组比较有统计学差异（P<0.05）。在决策树C5.0模型中对模型影响最大的3个因素是NIHSS评分、LDL、病灶部位，在ANN模型中对模型影响最大的3个因素是NIHSS评分、病灶部位、PLR。决策树C5.0模型对卒中后癫痫发作的预测准确率为88.00%，阳性预测值为84.38%，阴性预测值为89.71%，灵敏度为78.64%，特异度为77.29%,AUC为0.809。ANN模型对卒中后癫痫发作的预测准确率为95.00%，阳性预测值为93.75%，阴性预测值为95.59%，灵敏度为88.64%，特异度为89.52%,AUC为0.857。结论 在基于常规临床资料挖掘构建的卒中后癫痫发作预测模型中，ANN模型的整体性能优于决策树C5.0模型，具有潜在的临床应用价值。