首页|基于图注意力深度神经网络的癫痫脑电尖波识别

基于图注意力深度神经网络的癫痫脑电尖波识别

Spike detection in epileptic EEG recording based on graph attention deep neural networks

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
头皮脑电记录中的尖波识别能够为癫痫诊断提供重要的帮助和参考,但已报道方法中存在特异性低,忽略多通道间信息等问题.通过建立一种深度神经网络算法,实现癫痫脑电中尖波自动识别.研究中以临床头皮脑电记录为样本,首次建立层叠的卷积与图注意力深度神经网络模型进行识别,分别对脑电电极通道内和通道间的特征作有效提取.实验不仅发现算法的识别准确率达到93.55％,特异性96.83％,相较于对比方法有明显提升;同时通过电极通道间的注意力指数得到和尖波放电明显相关的电极关系图,有尖波发生的电极区域在图中明显聚集并分离于背景电极,可以为癫痫病灶定位提供辅助信息.上述算法,创新地利用多通道间信息,取得了领先的识别准确率,具有良好的临床应用前景.

崔昊天、宋森

展开 >

清华大学 脑与智能实验室及生物医学工程系,北京100084

北京未来芯片高精尖中心及清华大学类脑计算研究中心,北京100084

清华-IDG/麦戈文脑科学联合研究院,北京100084

头皮脑电 尖波识别 深度学习 注意力模型 卷积神经网络

国家自然科学基金国家自然科学基金北京脑科学专项

6183600431871071Z181100001518006

2020

生物学杂志
合肥市科学技术协会

生物学杂志

CSTPCDCSCD北大核心
影响因子：0.554
ISSN：2095-1736
年,卷(期)：2020.37(1)
  • 2
  • 24