003基于神经网络的癫痫脑电信号检测与分类

爱吃榴莲的妹妹

已于 2022-10-23 15:54:16 修改

阅读量2k

点赞数 1

分类专栏：脑电研究论文研读文章标签：深度学习人工智能

于 2022-10-12 19:20:01 首次发布

本文链接：https://blog.youkuaiyun.com/Crystalxxtt/article/details/127269337

版权

Neural Network Based Epileptic EEG
Detection and Classification

ABSTRACT

及时诊断对挽救癫痫患者的生命至关重要。在过去的几年里，有很多治疗癫痫的方法。这些治疗需要使用抗癫痫药物，但对控制癫痫发作频率无效。需要通过手术切除受影响的区域。

脑电图(EEG)是一种广泛应用于监测大脑活动的技术，在癫痫区域检测中得到广泛应用。它用于术前定位受影响的区域。这种使用脑电图图的手工过程非常耗时，而且需要深入的专业知识。本文提出了一种以文本一维向量形式保留脑电信号真实性质的模型。提出的模型达到了波恩大学数据集的最佳性能，在所有五类脑电图数据分类中，平均灵敏度、特异性分别为81%和81.4%。此外，二元分类的特异性和敏感性评分值分别为99.9%和99.5%，而不是其他研究人员使用的二维模型。因此，该系统的开发将大大有助于神经外科医生的工作表现的提高。

1. Introduction

癫痫是一种主要发生在生命初期的疾病。这是一种神经系统疾病，在全世界都很常见。这是一种长期的疾病。这种疾病不会通过直接的身体接触传播。癫痫的主要特征是发作。癫痫发作是小腿和手臂等身体部位的短时间反射性颤抖(Abbasi等人，2019年)。随着最近技术领域的发展，出现了许多新的治疗方法。这些治疗包括使用抗癫痫药片。但这些在控制癫痫发作频率方面并不有效(Abedin等人，2019年9月)。因此，唯一可用的治疗方法是通过手术切除受影响的大脑部分。脑电图由从大脑接收信号的电极组成。这些波有助于定位大脑中受癫痫影响的区域。在大多数情况下，人工检查低质量的脑电图图(Acharya等人，2018年)。这需要大量的前期专业知识。目前还没有一种跨国家记录脑电图的标准化方法。这减少了国际专家的建议(Bhagat等人，2019年)。这一切都增加了神经外科医生的压力，使手术变得繁琐。因此，需要利用人工智能对癫痫数据进行自动化分类。这将有助于将脑电图信号划分为具有医学意义的类别。

在目前的研究中，已经提出了一个模型，该模型实现了波恩大学数据集的最新性能。对五类脑电数据进行分类，其平均灵敏度和特异度分别为81%和81.4%。此外，对于二分类，模型的特异度和敏感度分别达到了99.9%和99.5%的分值，优于其他研究人员。此外，在开发它们所使用的二维(2D)模型时，原始文本数据的真实性质也会丢失。因此，它将有助于神经外科医生，并将有助于通过开发基于物联网(IoT)的预测和诊断设备来轻松定位大脑受影响的部分。