| 基于一维卷积神经网络的癫痫发作检测 |
| |
| 引用本文： | 刘藤子,闫序存,杨冬平.基于一维卷积神经网络的癫痫发作检测[J].电子测量技术,2022,45(18):99-105. |
| |
| 作者姓名： | 刘藤子 闫序存 杨冬平 |
| |
| 作者单位： | 1.中北大学电气与控制工程学院 太原 030024；
2.中国科学院海西研究院泉州装备制造研究中心 泉州 362200;悉尼大学电气与信息工程学院 悉尼 2006;2.中国科学院海西研究院泉州装备制造研究中心 泉州 362200;4.中国科学院福建物质结构研究所 福州 35002 |
| |
| 基金项目： | 国家自然科学基金面上项目(批准号：12175242)资助 |
| |
| 摘 要： | 癫痫是一种最常见的危及生命且具有挑战性的神经系统疾病。癫痫脑电信号复杂多样，人工检测癫痫信号耗时耗力，误判率高，不同的医务人员检测出来的结果也不相同，而且临床的原始脑电数据经常会包含多种噪音和生理伪迹，干扰癫痫检测性能。因此，非常有必要进一步研究高效可靠的癫痫自动检测技术，从而减轻医护人员负担。本文针对来自中国301医院收集的临床原始脑电数据进行分析训练，引入了一种基于一维卷积神经网络具有连续双层卷积结构的模型，可以高效稳定地检测到癫痫信号。结果为灵敏度、特异性、准确率和F1-score分别达到96.8%、99.8%、99.6%和96.1%，而且利用GPU进行模型训练的运行时间比对比模型低2到3倍。结果表明，本文引入的基于一维卷积神经网络模型优于现有方法，在癫痫检测性能上高效稳定，对癫痫的辅助诊断具有重要意义。
|
| 关 键 词： | 脑电图 癫痫发作检测 深度学习 一维卷积神经网络 |
Seizure detection based on one-dimensional
convolutional neural network |
| |
| Liu Tengzi,Yan Xucun,Yang Dongping.Seizure detection based on one-dimensional
convolutional neural network[J].Electronic Measurement Technology,2022,45(18):99-105. |
| |
| Authors: | Liu Tengzi Yan Xucun Yang Dongping |
| |
| Affiliation: | 1.School of Electrical and Control Engineering, North University of China, Taiyuan, 030024, China;
Quanzhou Institute of Equipment Manufacturing, Haixi Institute, Chinese Academy of Sciences, Quanzhou, 362200, China;;School of Electrical and Information Engineering, University of Sydney, Sydney, 2006, Australia; 2.Quanzhou Institute of Equipment Manufacturing, Haixi Institute, Chinese Academy of Sciences, Quanzhou, 362200, China; 4.Fujian Institute of Research on the Structure of Matter, Chinese Academy of Sciences, Fujian, 35002, China |
| |
| Abstract: | |
| |
| Keywords: | Electroencephalogram Seizure Detection Deep Learning One-dimensional convolutional neural network |
|
| 点击此处可从《电子测量技术》浏览原始摘要信息 |
|
点击此处可从《电子测量技术》下载全文 |
|
