《电子测量技术杂志》发表论文赏析

基于深度学习的癫痫异常信号检测和分类模型

来源:电子测量技术杂志2025年第17期北京时间:

作者:王剑,成婷,宋政阳,张一丁

单位:1.昆明理工大学信息工程与自动化学院 昆明 650504;2.昆明理工大学云南省人工智能重点实验室 昆明 650504

摘要:癫痫是一种常见的神经系统疾病,其诊断主要依赖于脑电信号的分析。近年来,基于深度学习的方法在癫痫检测中得到了广泛应用,但这些方法通常依赖于单一的特征提取技术,且大多忽略了EEG信号的空间域特征。为了捕捉EEG信号的空域特征,研究人员尝试引入EEG的图表示,并结合图神经网络模型进行建模。然而,现有方法的图表示通常需要每个顶点遍历所有其他顶点来构建图结构,导致较高的时间复杂度,难以满足临床实时诊断的需求。针对上述挑战,首先提出了核心邻域图结构,在此基础上,进一步提出了基于双视图输入的癫痫自动检测和分类框架——DV-SeizureNet。该框架能够同时学习EEG信号的时域、频域和空域特征,实现癫痫异常检测和发作分类。在TUSZ数据集上的实验表明,DV-SeizureNet在癫痫检测任务中达到91.4%的准确率,优于现有最先进方法2.1%。在分类任务中,模型对4种癫痫发作类型的平均分类准确率为82.8%,F1-score为81.2%。DV-SeizureNet通过双视图学习框架,全面提取并融合EEG信号的时空频域特征,在癫痫异常检测和发作分类任务中表现优越,为临床诊断提供了可靠的辅助工具。

关键词:癫痫检测;深度学习;EEG信号;双视图学习;图卷积神经网络;多尺度特征融合

基金资助:云南省科技厅科技计划项目 (202102AA100021)资助

2025年17期其他文献查阅:

基于偶极声源单声道麦克风自定位方法研究

一种Ku频段三路波导功率分配/合成网络

基于改进YOLOv11的太阳能电池板缺陷检测

基于阵列传感采集策略的步态识别算法研究

压力相似度模型的人体侧翻状态估计

基于注意力残差网络和混合池化的3D目标检测

负载突变下矿用电机车永磁同步电机控制研究

面向电网设备盘点的智能增强型标签识别方法

一种基于TLC改进的抖动分解算法

基于模态分解和多模型融合的IES多元负荷预测

基于贪心算法的电力分布式经济调度通信拓扑优化

基于改进A*算法的无人救援艇路径规划

基于深度学习的癫痫异常信号检测和分类模型

复杂环境下基于边缘计算的RFID相控阵定位方法

基于YOLO-Crab与改进的DeepSORT的水下河蟹检测与计数方法

基于扩散模型的二阶段细化图像修复模型

基于SDGW-YOLOv11的煤矿井下遮挡场景输送带异物检测

多路径特征融合的YOLOv8航拍图像检测算法

基于多尺度残差融合的水下图像增强网络

基于YOLO轻量化的水下管桩裂缝检测方法

基于改进YOLOv8的复杂场景下安全帽佩戴检测算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!