一种用于个性化癫痫检测与分类的元图神经网络方法
信号处理
2023-03-21 v2 机器学习
摘要
本文中，我们提出一种个性化癫痫检测与分类框架，可从有限的癫痫样本中快速适配到特定患者。我们通过结合近年来在多种实际应用中取得很大成功的两个新颖范式实现这一点：图神经网络（GNN）与元学习。我们训练一个基于 Meta-GNN 的分类器，从一组训练患者中学习一个全局模型，使得该全局模型最终可使用极少量样本适配到新的未见患者。我们将该方法应用于 TUSZ 数据集，这是最大的公开癫痫基准数据集之一。我们表明，我们的方法在仅对新未见患者进行 20 次迭代后，以 82.7% 的准确率和 82.08% 的 F1 分数超越了基线方法。
引用
@article{arxiv.2211.02642,
title = {A Meta-GNN approach to personalized seizure detection and classification},
author = {Abdellah Rahmani and Arun Venkitaraman and Pascal Frossard},
journal= {arXiv preprint arXiv:2211.02642},
year = {2023}
}