基于深度卷积神经网络的脑电图异常检测

• 作者: 杜云梅 梁会营 黄帅
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 残差模块 脑电图 异常检测 深度学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机科学与软件工程
• 页码范围: 122-128
• 页数: 7页
• 分类号: TP399
• 字数: 3864字
• 语种: 中文

摘要

为解决EEG自动检测的错误率非常高的问题,提出了一种基于深层卷积神经网络(CNN)对脑电图进行异常检测的方法:首先,对多个异构数据源按标准进行重构和预处理,生成了有118716个样本的训练集和有12022个样本的测试集;然后,构建有快捷连接的深层CNN模型,以自动化学习ECG特征并进行分类识别;接着,将模型在训练集上进行试验与调参,保存了性能最好的模型参数;最后,在测试集上进行预测.预测结果显示该模型达到了94.33％的分类准确率.通过所提方法对脑电信号进行处理与分析,能够自动提取EEG特征并进行异常识别,从而达到快速检测与辅助诊疗的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜云梅	广州商学院信息技术与工程学院	2	2	1.0	1.0
3	梁会营	广州医科大学广州市妇女儿童医疗中心	3	7	2.0	2.0
4	黄帅	广州医科大学广州市妇女儿童医疗中心	7	3	1.0	1.0