欢迎来到360期刊网!
学术期刊
  • 学术期刊
  • 文献
  • 百科
电话
您当前的位置:

首页 > 文献资料 > 正文

基于深度卷积神经网络的癫痫脑电自动检测

韦晓燕;周霖;陈秋源;陈子怡;周毅

摘要: 自动癫痫发作检测可以减少一般的诊断时间成本,并为癫痫患者提供有针对性的治疗.传统的癫痫检测算法需要人工筛选特定特征模式,并结合浅层机器学习进行识别,耗时耗力.而深度学习可以实现自动特征学习,在诸多领域取得显著成果.在文中提出基于深度学习的卷积神经网络模型来识别不同阶段的癫痫EEG数据.首先将全导联EEG数据构造成适合深度学习输入的二维图像模式.设置多层深度卷积神经网络对数据进行学习,完成不同癫痫EEG分期的分类.该方法在临床数据中的测试准确率均超过90%,其中实现灵敏度为92%,特异性90%,均远高于传统方法.研究实现了端到端的癫痫自动检测分类算法,为实现临床癫痫诊断提供新的选择.

同期刊相关文献推荐

中国数字医学

统计源期刊 审稿时间:1-3个月 早咨询早发表

360期刊网

专注医学期刊服务15年

  • 您好:请问您咨询什么等级的期刊?专注医学类期刊发表15年口碑企业,为您提供以下服务:

  • 1.医学核心期刊发表-全流程服务
    2.医学SCI期刊-全流程服务
    3.论文投稿服务-快速报价
    4.期刊推荐直至录用,不成功不收费

  • 客服正在输入...

x
立即咨询