首页|深度集成网络在癫痫预测中的应用研究

深度集成网络在癫痫预测中的应用研究

DEEP ENSEMBLE MODEL IN PREDICTION OF EPILEPSY

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对传统方法在脑电信号上捕获癫痫发作时无法有效利用全部信息的问题,提出深度集成网络的方法从脑电信号中学习多维特征以有效检测癫痫发作.对卷积网络的平移不变性和计算效率进行修复提升后纵向集成循环神经网络以同时捕获频域、空域和时域信息.基于深度集成网络进行患者特异性和跨患者模型的训练,两种模型分别达到了平均98.22％和95.65％的灵敏度以及0.09次/h和0.3次/h的误诊率,优于传统模型的结果.实验表明深度集成网络有能力学习癫痫发作的一般不变表示.

杨泽鑫、朱晓军

展开 >

太原理工大学信息与计算机学院 山西 太原030024

癫痫 脑电图 多尺度卷积 循环卷积网络 发作预测

山西省自然科学基金

201701D11100202

2022

10.3969/j.issn.1000-386x.2022.07.028

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(7)
  • 3