一种用于癫痫 seizure 预测的新型多尺度空洞 3D CNN
机器学习
2021-05-07 v1 信号处理
摘要
准确预测癫痫发作可使患者提前采取预防措施以避免可能的伤害。本工作提出一种新型卷积神经网络(CNN)来分析脑电图(EEG)信号的时间、频率和通道信息。该模型使用三维(3D)核以促进在三个维度上的特征提取。多尺度空洞卷积的应用使 3D 核具有更灵活的感受野。所提出的 CNN 模型在 CHB-MIT EEG 数据库上进行了评估,实验结果表明我们的模型优于现有的 state-of-the-art,达到了 80.5% 的准确率、85.8% 的灵敏度和 75.1% 的特异度。
引用
@article{arxiv.2105.02823,
title = {A Novel Multi-scale Dilated 3D CNN for Epileptic Seizure Prediction},
author = {Ziyu Wang and Jie Yang and Mohamad Sawan},
journal= {arXiv preprint arXiv:2105.02823},
year = {2021}
}
备注
4 pages, 6 figures