基于一维卷积神经网络的癫痫发作检测

来源：电子测量技术杂志2022年第18期北京时间：

作者：刘藤子，闫序存，杨冬平

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; 3.悉尼大学电气与信息工程学院 悉尼 2006; 4.中国科学院福建物质结构研究所 福州 35002

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

基金资助：国家自然科学基金面上项目(批准号：12175242)资助