基于LSTM模型的单导联脑电癫痫发作预测

• 作者: 单绍杰 唐晓英 李汉军 王璐璐
• 来源期刊: 计算机应用研究
• 关键词: 癫痫发作预测 单导联 小波能量 长短时程记忆网络
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3251-3254
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.11.012

摘要

针对目前癫痫发作实时自动预测困难的问题,将开展以LSTM模型为基础的癫痫发作预测的研究,构建了基于LSTM的神经网络模型对癫痫发作进行预测.将采集到的癫痫脑电数据进行预处理,然后提取单导联脑电小波能量特征,结合构建的基于LSTM的模型来识别癫痫发作前期和发作间期的状态,从而实现癫痫发作的预测.与传统的SVM和MLP相比,本方法取得了98.5%的分类精度和零误警的结果.为未来开发癫痫发作预警系统提供了理论基础,在临床应用上具有较大的潜在价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐晓英	北京理工大学生命学院	64	542	12.0	20.0
2	李汉军	北京理工大学生命学院	20	344	9.0	18.0
3	单绍杰	北京理工大学生命学院	1	12	1.0	1.0
4	王璐璐	北京理工大学生命学院	2	24	2.0	2.0