演示：多模态癫痫发作预测系统
信号处理
2024-11-18 v2 机器学习
摘要
本演示介绍了 SeizNet，这是一个利用多模态传感器网络并结合深度学习（DL）技术来预测癫痫发作的创新系统。癫痫影响全球约 6500 万人，其中许多人经历药物难治性发作。SeizNet 旨在提供高精度的预警，使个人能够在不受误报干扰的情况下采取预防措施。SeizNet 使用通过侵入性（颅内脑电图 iEEG）或非侵入性（脑电图 EEG 和心电图 ECG）传感器收集的数据，并由先进的深度学习算法处理，这些算法经过优化，可在边缘端进行实时推理，确保隐私并最小化数据传输。SeizNet 在癫痫发作预测中实现了超过 97% 的准确率，同时保持了植入式设备的大小和能耗限制。
引用
@article{arxiv.2411.05817,
title = {Demo: Multi-Modal Seizure Prediction System},
author = {Ali Saeizadeh and Pietro Brach del Prever and Douglas Schonholtz and Raffaele Guida and Emrecan Demirors and Jorge M. Jimenez and Pedram Johari and Tommaso Melodia},
journal= {arXiv preprint arXiv:2411.05817},
year = {2024}
}
备注
1 page, 1 figure, Proceedings of the IEEE 20th International Conference on Body Sensor Networks (BSN), October 2024