典型文献
脑电波信号多域变换与深度学习癫痫诊断
文献摘要：
单一维度的特征检测使现有基于EEG的癫痫诊断准确性受到限制.通过将EEG转换成格拉姆角场图和小波时频图,构建一种由2个2维CNN和1个DNN的集成深度学习模型,2个2维CNN分别提取格拉姆角场图和小波时频图的特征并融合,将融合特征输出至DNN以进行癫痫融合识别.借助波恩大学的脑电数据集测试了该集成深度学习模型的有效性,结果表明,该模型对癫痫EEG识别的准确度、特异性以及敏感度分别为96.5％、95.0％以及96.0％,整体识别性能优于传统的单神经网络模型,可为癫痫等疾病的诊断提供更好的辅助功能.
文献关键词：
深度学习;癫痫;卷积神经网络;连续小波变换;格拉姆角场
中图分类号：
作者姓名：
陈浩滨;葛薇;杨超;郑霖
作者机构：
桂林电子科技大学广西无线宽带通信与信号处理重点实验室,广西桂林 514004;桂林医学院人文与管理学院,广西桂林 514004
文献出处：
引用格式：
[1]陈浩滨;葛薇;杨超;郑霖-.脑电波信号多域变换与深度学习癫痫诊断)[J].现代信息科技,2022(20):6-10
A类：
B类：
脑电波,多域,域变换,癫痫,特征检测,EEG,诊断准确性,受到限制,转换成,格拉姆角场,小波时频图,DNN,集成深度学习,深度学习模型,融合特征,融合识别,波恩大学,脑电数据,该集,识别性,辅助功能,连续小波变换
AB值：
0.326855
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。
