-
题名基于图注意力深度神经网络的癫痫脑电尖波识别
被引量:4
- 1
-
-
作者
崔昊天
宋森
-
机构
清华大学脑与智能实验室及生物医学工程系
北京未来芯片高精尖中心及清华大学类脑计算研究中心
清华-IDG/麦戈文脑科学联合研究院
-
出处
《生物学杂志》
CAS
CSCD
北大核心
2020年第1期11-15,共5页
-
基金
国家自然科学基金项目(61836004)
国家自然科学基金项目(31871071)
北京脑科学专项(Z181100001518006)
-
文摘
头皮脑电记录中的尖波识别能够为癫痫诊断提供重要的帮助和参考,但已报道方法中存在特异性低,忽略多通道间信息等问题。通过建立一种深度神经网络算法,实现癫痫脑电中尖波自动识别。研究中以临床头皮脑电记录为样本,首次建立层叠的卷积与图注意力深度神经网络模型进行识别,分别对脑电电极通道内和通道间的特征作有效提取。实验不仅发现算法的识别准确率达到93.55%,特异性96.83%,相较于对比方法有明显提升;同时通过电极通道间的注意力指数得到和尖波放电明显相关的电极关系图,有尖波发生的电极区域在图中明显聚集并分离于背景电极,可以为癫痫病灶定位提供辅助信息。上述算法,创新地利用多通道间信息,取得了领先的识别准确率,具有良好的临床应用前景。
-
关键词
头皮脑电
尖波识别
深度学习
注意力模型
卷积神经网络
-
Keywords
scalp EEG
spike detection
deep learning
attention model
convolutional neural network
-
分类号
R318.04
[医药卫生—生物医学工程]
-
-
题名神经采样
- 2
-
-
作者
萧子豪
朱军
-
机构
清华大学计算机科学与技术系
清华大学智能技术与系统国家重点实验室
清华大学类脑计算研究中心
-
出处
《计算机学报》
EI
CSCD
北大核心
2017年第6期1379-1393,共15页
-
基金
国家"九七三"重点基础研究计划项目(2013CB329403)
国家自然科学基金(61322308
61332007)资助~~
-
文摘
神经采样是国际上最近提出的一种基于脉冲神经网络动力学的吉布斯采样算法,是一种有希望在类脑硬件上实现贝叶斯概率推断的算法.神经采样的仿生特点包括考虑神经元间通过发放脉冲来传递信息、突触后膜电压和迟滞效应等.该文首先会介绍国际上在神经采样方面已有的工作,分三小部分:第1部分涉及神经采样的抽象模型,包括其原理和在任意贝叶斯网络中采样的具体模型;第2部分涉及硬件实现,包括用累积发放(I&F)模型近似连续时间神经采样动力学的方法;第3部分通过结合前两部分,涉及用脉冲神经网络动力学训练传统的机器学习模型,并在经典计算机上模拟这个训练过程.第3部分具体包括基于脉冲时间的突触可塑性(STDP)的受限玻尔兹曼机(RBM)的事件驱动相对散度训练算法.最后,我们在训练RBM的相对散度和持续相对散度算法中,用神经采样替代传统的吉布斯采样.该文的工作首先分析了神经采样对初始化状态敏感和混合速度慢的采样特点,然后提出方法消除了这两个采样特点对训练的负面影响.在MNIST数据集上的实验初步显示,基于修正后的神经采样的训练算法能恢复跟传统基于吉布斯采样的算法相似的重构效果.目前在机器学习领域,基于概率的学习算法已发展成主流.神经采样方面的工作为在类脑硬件上实现低能耗的概率模型计算提供方法,未来有希望被用于提高移动设备的智能水平.
-
关键词
脉冲神经网络
神经采样
马尔可夫链蒙特卡洛
受限玻尔兹曼机
类脑硬件
人工智能
-
Keywords
spiking neural network
neural sampling
Markov Chain Monte Carlo
restricted Boltzmann machine
neuromorphic hardware
artificial intelligence
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-