一种紧凑卷积神经网络的发作间期癫样放电检测方法研究

摘要

为了解决临床中发作间期癫样放电(IEDs)人工标注的繁琐性和主观性,采用基于卷积神经网络的深度学习方法对脑电信号特征进行自动提取。基于改进的EEGNet模型,使用深度和可分离的卷积层进行构建,该模型封装了脑电信号(EEG)特征提取概念,并在自采集的真实癫痫患者(含发作间期癫样放电标注信息)数据集上进行实验,结果表明该方法对癫痫患者的IED平均检测准确率可达70.5%。实验表明,基于深度学习紧凑卷积神经网络的方法对于癫痫患者的IED检测具有较好的检测性能。