基于神经影像模态的深度学习癫痫发作检测与预测技术综述：方法、挑战与未来工作
机器学习
2022-09-07 v3 计算机视觉与模式识别
信号处理
摘要
癫痫是一种以频繁发作为特征的大脑疾病。发作症状包括意识模糊、异常凝视以及快速、突然且不可控的手部运动。癫痫发作检测方法涉及神经学检查、血液检测、神经心理学检测和神经影像模态。其中，神经影像模态受到专科医师的相当关注。促进癫痫发作准确快速诊断的一种方法是采用基于深度学习（DL）和神经影像模态的计算机辅助诊断系统（CADS）。本文对用于癫痫发作检测与预测的 DL 方法结合神经影像模态进行了全面综述。首先，讨论了基于 DL 的 CADS 用于神经影像模态的癫痫发作检测与预测。同时，包含了已用于癫痫发作检测与预测的各种数据集、预处理算法和 DL 模型的描述。然后，介绍了关于康复工具的研究，包含脑机接口（BCI）、云计算、物联网（IoT）、DL 技术在现场可编程门阵列（FPGA）上的硬件实现等。在讨论部分，对癫痫发作检测与预测的研究进行了比较。描述了使用神经影像模态和 DL 模型进行癫痫发作检测与预测所面临的挑战。此外，提出了该领域未来工作的可能方向，特别是针对解决数据集、DL、康复和硬件模型中的挑战。最后一部分为结论，总结了论文的重要发现。
引用
@article{arxiv.2105.14278,
title = {An overview of deep learning techniques for epileptic seizures detection and prediction based on neuroimaging modalities: Methods, challenges, and future works},
author = {Afshin Shoeibi and Parisa Moridian and Marjane Khodatars and Navid Ghassemi and Mahboobeh Jafari and Roohallah Alizadehsani and Yinan Kong and Juan Manuel Gorriz and Javier Ramírez and Abbas Khosravi and Saeid Nahavandi and U. Rajendra Acharya},
journal= {arXiv preprint arXiv:2105.14278},
year = {2022}
}