10.3969/j.issn.1000-386x.2022.07.028
深度集成网络在癫痫预测中的应用研究
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.
癫痫、脑电图、多尺度卷积、循环卷积网络、发作预测
39
TP301.6(计算技术、计算机技术)
山西省自然科学基金201701D11100202
2022-08-19（万方平台首次上网日期，不代表论文的发表时间）
共8页
181-187,194
