典型文献
基于迁移学习的癫痫发作预测方法
文献摘要：
由于脑电信号因人而异,传统的机器学习方法很难适用于每一个患者.为了解决上述问题,文中提出一种基于迁移学习的癫痫发作预测方法.以波士顿儿童医院癫痫脑电数据集作为实验数据,以6组不同频率区间的带通滤波作为预处理方法,用样本熵作为分类特征.使用迁移学习后的VGG19网络作为分类器来识别发作期的癫痫脑电信号.该方法的最长预测时间为41.30 min,平均预测时间为23.82 min,最高预测准确率为93％,平均预测准确率为86.4％.最低误报率为22％,平均误报率为34％.实验结果表明,该方法可很好地用于癫痫发作的预测.
文献关键词：
癫痫;发作预测;迁移学习;样本熵
中图分类号：
[2]
无线电电子学、电信技术（TN）
作者姓名：
樊轲
作者机构：
西安工程大学计算机科学学院,陕西西安710600
文献出处：
引用格式：
[1]樊轲-.基于迁移学习的癫痫发作预测方法)[J].电子设计工程,2022(12):27-30,37
A类：
癫痫发作预测
B类：
迁移学习,脑电信号,因人而异,机器学习方法,波士顿,儿童医院,癫痫脑电,脑电数据,不同频率,频率区间,带通滤波,预处理方法,样本熵,分类特征,VGG19,分类器,发作期,预测准确率,低误报率
AB值：
0.283959
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。
