基于可调Q因子小波变换和迁移学习的癫痫脑电信号检测

• 作者: 张瑞 罗婷瑞 贾建
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 癫痫 可调Q因子小波变换 迁移学习 深度可分离卷积网络 自动检测
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 199-205
• 页数: 7页
• 分类号: TP391.4
• 字数: 4812字
• 语种: 中文
• DOI: 10.11896/jsjkx.200200104

摘要

针对癫痫脑电信号的检测问题,提出一种基于可调Q因子小波变换和迁移学习的癫痫脑电信号检测方法.首先,对EEG信号进行可调Q因子小波变换,并选择能量差异较大的子带进行部分重构,重排重构信号,将其表示为二维彩色图像数据;其次,通过对现有的癫痫发作自动检测算法和深度可分离卷积网络Xception模型的分析,使用ImageNet数据集分类的预训练模型参数进行网络参数初始化,得到深度可分离卷积网络Xception的预训练模型;最后,利用迁移学习方法将Xception模型的预训练结果迁移至癫痫发作自动检测任务.所提方法在BONN癫痫数据集上的准确度达到99.37％,敏感度达到100％,特异度达到98.48％,证明了该模型在癫痫发作自动检测任务上具有良好的泛化能力.与传统检测方法和其他深度学习方法相比,所提自动检测方法达到了较高的准确率,避免了人工设计和提取特征的过程,具有较好的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张瑞	西北大学数学学院	35	164	7.0	12.0
2	贾建	西北大学医学大数据研究中心	27	329	10.0	17.0
3	罗婷瑞	西北大学数学学院	1	0	0.0	0.0