典型文献
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
文献摘要：
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.
文献关键词：
脑电信号;卷积神经网络;深度学习;癫痫;IED检测
中图分类号：
作者姓名：
鞠祥;呙强;王晓璐;张玲;江军;陈多
作者机构：
南京中医药大学人工智能与信息技术学院,江苏南京210046;湖北科技学院生物医学工程与医学影像学院,湖北咸宁437100;华中科技大学同济医学院附属武汉儿童医院临床神经电生理室,湖北武汉430019
文献出处：
引用格式：
[1]鞠祥;呙强;王晓璐;张玲;江军;陈多-.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)[J].软件导刊,2022(08):14-19
A类：
IEDs
B类：
紧凑,发作间期,电检,主观性,深度学习方法,脑电信号特征,自动提取,EEGNet,使用深度,可分离,卷积层,层进,模型封装,癫痫患者,标注信息,检测准确率,检测性能
AB值：
0.24103
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。
