典型文献
基于一维卷积神经网络的癫痫发作检测
文献摘要：
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Fl-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2～3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.
文献关键词：
脑电图;癫痫发作检测;深度学习;一维卷积神经网络
中图分类号：
作者姓名：
刘藤子;闫序存;杨冬平
作者机构：
中北大学电气与控制工程学院 太原030024;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;中国科学院福建物质结构研究所 福州350002
文献出处：
引用格式：
[1]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(18):99-105
A类：
B类：
一维卷积神经网络,癫痫发作检测,神经系统疾病,癫痫脑电,脑电信号,耗力,误判率,医务人员,人员检测,脑电数据,噪音,检测性能,高效可靠,自动检测技术,医护人员,高效稳定,Fl,score,GPU,模型训练,运行时间比,时间比对,对比模型,卷积神经网络模型,辅助诊断,脑电图
AB值：
0.292824
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
