023 TripleGan的合成癫痫脑活动2022

Synthetic Epileptic Brain Activities with TripleGAN

Abstract

癫痫是一种慢性非传染性疾病，由脑神经元突然异常放电引起，导致间歇性脑功能障碍。它也是世界上最常见的神经系统疾病之一。通过机器学习、相关分析和时频分析实现基于脑电的癫痫自动检测，在癫痫的早期预警和自动识别中发挥着重要作用。在本研究中，我们提出了一种利用三重遗传对抗生成网络(GAN)实现脑电癫痫识别的方法。TripleGAN分别用于脑电信号的时间域、频域和时频域。这项实验是通过CHB-MIT数据集进行的，这些数据集在世界上同行业的最新水平上运行。在CHB-MIT数据集中，分类准确率、敏感度和特异度分别超过1.19%、1.36%和0.27%。交叉对象率分别超过0.53%、2.2%和0.37%。通过对实际信号的仿真和分类优化，表明所建立的TripleGAN深度学习模型对脑电癫痫分类具有良好的效果。

Introduction

本文从癫痫灶引起的头皮脑电信号的幅值与位置的相关性中提取识别特征，并基于双重GAN模型对脑电癫痫进行深入学习。

主要创新点如下：

(1)针对癫痫脑电信号的棘波、尖波、慢复合波等局部信号特征，研究了癫痫脑电信号的局部虚拟表示。本文提出将GAN机器学习方法应用于真实数据，以提高数据识别的稳健性。

(2)对脑电信号进行局部特征增强，可以有效地解决癫痫脑电信号特征聚类的显示问题，使脑电信号的特征聚类更加准确。

(3)利用GAN在势空间(向量空间)进行算术运算，将脑电聚类特征转化为相应特征空间的运算。生成的数据与真实样本没有什么不同。最后，鉴别器不能正确区分产生的数据和真实数据，从而获得更强的分类特征。