面向癫痫脑电的简化深度学习模型

• 作者: 刘熔 张锦 田森 陈胜 魏建好
• 来源期刊: 国防科技大学学报
• 学科: 工学
• 关键词: 癫痫脑电 卷积神经网络 Keras框架 经验模态分解
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息与通信工程· 计算机科学与技术
• 页码范围: 106-111
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11887/j.cn.202006013

摘要

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题.提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层.基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析.性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1％,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声;所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张锦		47	477	10.0	20.0
2	刘熔		1	0	0.0	0.0
3	田森		1	0	0.0	0.0
4	陈胜		2	5	1.0	2.0
5	魏建好		2	4	1.0	2.0