期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于判别性流形正则和域分布适配的跨被试癫痫发作检测方法
1
作者 张艳丽 邱文龙 周卫东 《中国生物医学工程学报》 CSCD 北大核心 2024年第6期693-701,共9页
癫痫发作自动检测对于癫痫的诊断、监测和干预治疗具有重要意义。针对癫痫发作期脑电(EEG)数据有限以及不同患者EEG分布差异大等问题,提出一种基于判别性流形正则与域分布适配的跨被试癫痫发作检测方法。首先将待测试患者的EEG和其他患... 癫痫发作自动检测对于癫痫的诊断、监测和干预治疗具有重要意义。针对癫痫发作期脑电(EEG)数据有限以及不同患者EEG分布差异大等问题,提出一种基于判别性流形正则与域分布适配的跨被试癫痫发作检测方法。首先将待测试患者的EEG和其他患者已标注类别的EEG分别作为目标域和源域数据,并提取EEG小波包分解系数的均值、方差和样本熵作为特征;然后,采用含有源域样本类别信息的流形正则和类内间距最小化约束,进行领域分布适配,并利用条件分布距离和边缘分布距离的相对偏差,对分布适配权重加以动态调整;最后,利用空间投影后的源域样本训练随机森林分类器,实现对癫痫EEG的模式分类和发作检测。利用CHB-MIT数据库中24例患者的头皮脑电数据,验证所提方法的检测性能,并与现有的域适应算法相比较。所提出方法达到的平均检测灵敏度和准确率分别为94.94%和95.66%,比采用二阶统计量对齐的CORAL算法提高了15.07%和9.98%,比只进行均衡分布适配的BDA算法提高了3.90%和2.52%。判别性流形正则与域分布适配相结合能够减小不同患者脑电信号之间的分布差异,并有效利用源域数据流形结构和标签中的判别信息,为跨被试癫痫发作检测研究提供一种新思路。 展开更多
关键词 脑电信号 癫痫发作检测 跨被试 域分布适配 流形正则
在线阅读 下载PDF
基于联邦学习的跨被试癫痫发作检测方法
2
作者 张艳丽 孙一菲 《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第5期645-651,共7页
提出一种基于联邦学习的跨被试癫痫发作检测方法,以解决由于数据类型不平衡和癫痫患者之间数据分布差异显著导致的深度检测模型训练数据不足和泛化性能低的问题.建立癫痫发作检测的联邦学习框架,聚合多个训练参与方的脑电图数据;设计多... 提出一种基于联邦学习的跨被试癫痫发作检测方法,以解决由于数据类型不平衡和癫痫患者之间数据分布差异显著导致的深度检测模型训练数据不足和泛化性能低的问题.建立癫痫发作检测的联邦学习框架,聚合多个训练参与方的脑电图数据;设计多尺度时间卷积网络作为客户端局部模型,通过客户端局部模型的训练和参数聚合协作训练全局模型;为避免联邦训练过程中参数量过大,用量化压缩技术提高模型的传输效率.在CHB-MIT头皮脑电图数据中评估联邦学习全局模型的跨被试癫痫发作检测性能,取得平均71.21%的灵敏度和83.99%的准确率.结果表明,联邦学习在不交换各客户端隐私数据的前提下,能够融合局部模型参数生成独立于患者个体的公共检测模型,为跨被试癫痫发作检测提供有效方法. 展开更多
关键词 脑电信号 癫痫发作检测 联邦学习 多尺度时间卷积网络
在线阅读 下载PDF
基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法 被引量：3
3
作者 张新静 徐欣 +3 位作者 凌至培 黄永志 王心醉 王守岩 《计算机应用》 CSCD 北大核心 2014年第12期3614-3617,共4页
癫痫发作检测可以实现脑电分类和病灶定位,对癫痫的临床治疗具有重要意义。针对大数据量、高特征值空间长程脑电的快速和准确分类问题,提出一种基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法。对脑电信号进行短时傅里叶变... 癫痫发作检测可以实现脑电分类和病灶定位,对癫痫的临床治疗具有重要意义。针对大数据量、高特征值空间长程脑电的快速和准确分类问题,提出一种基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法。对脑电信号进行短时傅里叶变换,并选取能量时频分布为特征,利用基于最大相关和最小冗余准则的方法进行特征选择,并使用极限学习机、支持向量机和反向传播算法对癫痫不同状态进行分类和判别。实验结果表明,极限学习机的分类准确率和训练速度两方面性能优于支持向量机和反向传播算法,发作间期和发作期的分类准确率达到98%以上,训练时间仅为0.8 s,所提方法能够实时准确地检测癫痫发作。 展开更多
关键词 癫痫发作检测 最大相关和最小冗余准则 极限学习机 支持向量机 反向传播算法
在线阅读 下载PDF
基于加权复杂网络度熵和的癫痫发作检测方法 被引量：9
4
作者 张汉勇 孟庆芳 +1 位作者 杜蕾 刘明敏 《中国生物医学工程学报》 CAS CSCD 北大核心 2019年第3期273-280,共8页
癫痫发作检测一直是一项富有挑战性的工作,随着癫痫发病率的增加,高性能癫痫自动检测算法在临床上可以减轻医务工作者的工作量,具有重要的临床医学研究意义。提出基于加权水平可视图的癫痫检测新方法。首先利用加权水平可视图将单通道... 癫痫发作检测一直是一项富有挑战性的工作,随着癫痫发病率的增加,高性能癫痫自动检测算法在临床上可以减轻医务工作者的工作量,具有重要的临床医学研究意义。提出基于加权水平可视图的癫痫检测新方法。首先利用加权水平可视图将单通道脑电信号转化为复杂网络,并提取生成的复杂网络的度的平方和权重度分布熵两个特征;最后将两个特征之和作为单特征输入到线性分类器中,用来识别癫痫间歇期和发作期信号。对波恩大学的癫痫脑电数据集进行实验,评价所提出的检测算法的性能。使用该癫痫脑电数据集间歇期和发作期各100个实验样本,样本长度为1 024。实验结果表明,所提出的方法具有较高的分类精度,可达到98.5%。由于分类的特征为单特征,所以更加简单高效,可用于癫痫发作在线自动检测。 展开更多
关键词 癫痫发作检测 脑电信号 复杂网络 加权水平可视图
在线阅读 下载PDF
基于一维卷积神经网络的癫痫发作检测 被引量：1
5
作者 刘藤子 闫序存 杨冬平 《电子测量技术》 北大核心 2022年第18期99-105,共7页
癫痫是一种最常见的危及生命且具有挑战性的神经系统疾病。癫痫脑电信号复杂多样,人工检测癫痫信号耗时耗力,误判率高,不同的医务人员检测出来的结果也不相同,而且临床的原始脑电数据经常会包含多种噪音和生理伪迹,干扰癫痫检测性能。因... 癫痫是一种最常见的危及生命且具有挑战性的神经系统疾病。癫痫脑电信号复杂多样,人工检测癫痫信号耗时耗力,误判率高,不同的医务人员检测出来的结果也不相同,而且临床的原始脑电数据经常会包含多种噪音和生理伪迹,干扰癫痫检测性能。因此,非常有必要进一步研究高效可靠的癫痫自动检测技术,从而减轻医护人员负担。本文针对来自中国301医院收集的临床原始脑电数据进行分析训练,引入了一种基于一维卷积神经网络具有连续双层卷积结构的模型,可以高效稳定地检测到癫痫信号。结果为灵敏度、特异性、准确率和F1-score分别达到96.8%、99.8%、99.6%和96.1%,而且利用GPU进行模型训练的运行时间比对比模型低2~3倍。结果表明,本文引入的基于一维卷积神经网络模型优于现有方法,在癫痫检测性能上高效稳定,对癫痫的辅助诊断具有重要意义。 展开更多
关键词 脑电图 癫痫发作检测 深度学习 一维卷积神经网络
在线阅读 下载PDF
基于深度学习的癫痫脑电通道选择与发作检测 被引量：6
6
作者 曹玉珍 高晨阳 +2 位作者 余辉 张力新 王江 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2020年第4期426-432,共7页
传统癫痫发作通道选择方法需要提取特征,然后人工进行特征选择,最后基于所选特征训练分类器实现发作检测.为优化特征提取与选择过程,提出一种具有自学习特性,基于深度学习的癫痫脑电通道选择与发作自动检测组合模型.该方法利用卷积自编... 传统癫痫发作通道选择方法需要提取特征,然后人工进行特征选择,最后基于所选特征训练分类器实现发作检测.为优化特征提取与选择过程,提出一种具有自学习特性,基于深度学习的癫痫脑电通道选择与发作自动检测组合模型.该方法利用卷积自编码器对癫痫脑电数据进行自适应特征提取,获得代表不同通道的特征子集;依据费舍尔准则筛选出特征子集与脑电通道;通过基于参数迁移的一维卷积神经网络实现癫痫发作脑电信号的检测.使用PhysioNet网站中的CHB-MIT数据库中8例有效数据量较为充足的病患脑电数据对组合模型进行有效性评价.对比该方法与基于方差、方差差异性和随机筛选方法得到的结果,在测试集上对癫痫发作检测的准确率、真阳性率、假阳性率的平均值分别达到了92.79%、93.07%、5.16%,均优于其他方法,且模型收敛速度所需的迭代次数平均仅为其他方法的10%.该方法在癫痫脑电发作检测效果和模型训练成本方面都有一定优势,且在进行脑电通道筛选时不需要手动提取特征,同时也可用于阿尔兹海默症等其他脑部疾病辅助诊断个性化检测模型的建立. 展开更多
关键词 癫痫发作检测 卷积自编码器 费舍尔准则 参数迁移
在线阅读 下载PDF
强化学习融合群智能算法的癫痫EEG不平衡分类方法 被引量：1
7
作者 李奇 李鹏飞 +2 位作者 赵迪 刘嘉威 杨菁菁 《重庆理工大学学报(自然科学)》 北大核心 2024年第12期110-123,共14页
癫痫智能检测的脑电数据具有不平衡性。考虑到单一的群智能算法在改善数据不平衡方面的不足,提出了一种基于强化学习的自适应融合群智能算法。使用强化学习在种群进化的不同阶段自适应地选择并融合多种群智能算法;通过双种群协同进化策... 癫痫智能检测的脑电数据具有不平衡性。考虑到单一的群智能算法在改善数据不平衡方面的不足,提出了一种基于强化学习的自适应融合群智能算法。使用强化学习在种群进化的不同阶段自适应地选择并融合多种群智能算法;通过双种群协同进化策略,更高效地获得全局最优解;使用由全局最优解所表示的样本构建平衡数据集并训练分类器。在2个公共癫痫脑电数据集上的实验表明,该方法优于单一的群智能算法,能够有效提高分类器对少数类样本和整体数据集的分类性能。 展开更多
关键词 癫痫发作检测 脑电信号 不平衡数据集 强化学习 群智能算法
在线阅读 下载PDF
基于深度学习的儿童发作间期癫痫样放电检测研究
8
作者 饶文豪 陈多 +1 位作者 张玲 江军 《中国生物医学工程学报》 2025年第5期579-590,共12页
发作间期癫痫样放电(IED)对癫痫诊断至关重要,但脑电(EEG)信号的非平稳性使得IED检测复杂。传统人工判读EEG存在主观性和耗时问题。随着机器学习和深度学习的发展,IED检测领域提出了计算机辅助模型。基于卷积神经网络(CNN)的IED检测方... 发作间期癫痫样放电(IED)对癫痫诊断至关重要,但脑电(EEG)信号的非平稳性使得IED检测复杂。传统人工判读EEG存在主观性和耗时问题。随着机器学习和深度学习的发展,IED检测领域提出了计算机辅助模型。基于卷积神经网络(CNN)的IED检测方法取得了不错的效果,但是CNN不易捕获时间序列中的远程依赖性。而Transformer擅长通过采用自注意力机制来处理顺序数据,使其能够捕获长程依赖关系。本研究中提出了一种基于Transformer的新型IED检测方法,该方法在使用简单卷积提取IED局部特征的基础上,再用Transformer进一步对特征远程依赖性进行建模。并且针对IED数据的稀缺,还设计了一种新的基于Transformer的生成对抗网络(GAN)来对IED数据进行增强。基于对11名小儿癫痫患者的分析,新方法在增强数据集的二分类任务上的平均准确率达到96.11%、平均召回率97.08%和平均精确率93.85%。在多分类任务中的平均召回率达到93.47%,平均精确率达到93.84%。该研究可为未来深度学习进一步在IED自动检测中的应用提供有价值的参考。 展开更多
关键词 发作间期癫痫样放电检测 脑电图 Transformer 生成式对抗网络 深度学习
在线阅读 下载PDF
基于Transformer与SNN的WGAN⁃GP癫痫脑电数据增强方法
9
作者 曹崴 李奇 《现代电子技术》 2025年第23期167-175,共9页
针对癫痫发作检测中的高质量EEG样本不足导致模型性能受限的问题,文中提出一种融合Transformer、脉冲神经网络(SNN)和带梯度惩罚GAN(WGAN-GP)的癫痫EEG数据增强方法。生成器利用Transformer建模EEG信号的长程依赖,融合SNN模拟神经元脉... 针对癫痫发作检测中的高质量EEG样本不足导致模型性能受限的问题,文中提出一种融合Transformer、脉冲神经网络(SNN)和带梯度惩罚GAN(WGAN-GP)的癫痫EEG数据增强方法。生成器利用Transformer建模EEG信号的长程依赖,融合SNN模拟神经元脉冲机制,提高生成数据的生物合理性。判别器采用基于卷积神经网络与Transformer的结构增强对生成数据与真实数据差异的辨别能力,并通过WGAN-GP提高模型训练的稳定性。在CHB-MIT和Kaggle两个数据集上进行数据增强实验,并利用多种分类模型验证了真实、生成和混合数据集的可分类性。结果表明,生成的EEG数据具有较高的真实性和多样性,将其与真实数据融合训练可显著提升癫痫发作检测性能,其中LSTM模型在CHB-MIT数据集上的准确率由91.52%提升至96.21%,在Kaggle数据集上由95.13%提升至97.70%。综上所述,该方法可有效缓解癫痫EEG数据不足问题,具有良好的应用前景。 展开更多
关键词 数据增强 EEG 生成对抗网络 Transformer SNN 癫痫发作检测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部