自动化深度神经网络方法检测癫痫发作
作者
纳迪亚的莫祖
日期
2021-12-09引用
纳迪亚的莫祖。自动化的深度神经网络方法可检测癫痫发作;一篇论文符合温尼伯大学科学硕士学位的要求,向应用计算机科学系提交了一份论文。亚愽国际app下载加拿大曼尼托巴省温尼伯市:温尼伯大学,2021年12月。亚愽国际app下载doi:10.36939/ir.202201121150。
抽象的
在本论文中,我专注于利用脑电图(EEG)信号来早日癫痫发作诊断。此过程基于一种强大的深度学习算法,用于时代序列数据,称为长期记忆(LSTM)网络。由于专家神经科医生通过脑电图(EEG)信号对癫痫发作的手动和视觉检查(检测)是耗时,工作密集型且容易出错的,因此专家可能需要几个小时才能分析单个患者记录并进行单个患者记录和当需要立即采取行动时,请识别。本论文提出了一种可靠的自动癫痫发作/非癫痫分类方法,该方法可以促进特征性癫痫模式的识别过程,例如典型的尖峰,癫痫发作和确定癫痫发作频率,癫痫发作类型等,以便准确地识别癫痫发作。,提出的模型利用了脑电图数据中的时间依赖性。临床数据的实验表明,该方法达到了高癫痫发作的预测准确性并保持可靠的性能。该论文还发现了自动癫痫发作检测领域中不同分类的最高精度的脑电图记录的最有效长度。它可以帮助非专家更全面地预测癫痫发作,并向患者和护理人员提高癫痫发作的认识,从而改善患者的日常生活,以与无法预测的癫痫发作发生。