基于深度卷积神经网络的癫痫脑电自动检测

• 作者: 周毅 周霖 陈子怡 陈秋源 韦晓燕
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 深度学习 发作检测 癫痫 分类
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 特别专题——人工智能在医学领域的研究与应用
• 页码范围: 9-13
• 页数: 5页
• 分类号: R319
• 字数: 3407字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2019.01.003

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.