癫痫患者基于自动标注的预警预测
机器学习
2024-01-12 v2 动力系统
摘要
对癫痫患者的早期预警对其安全和健康至关重要，特别是用于预防或减轻发作的严重程度。通过患者的EEG数据，我们提出了一个元学习框架以改善对早期发作信号的预测。所提出的双层优化框架可帮助在早期发作阶段自动标注噪声数据，并优化骨干模型的训练精度。为验证我们的方法，我们进行了一系列实验，以LSTM和ResNet作为基线模型，在各种长期时间窗中预测发作起始。我们的研究表明，元学习不仅显著提高了发作预测准确率，而且所得模型捕捉到了单一骨干模型无法学习的噪声数据中的某些内在模式。因此，元网络生成的预测概率作为一种高效的预警指标。
引用
@article{arxiv.2310.06059,
title = {Early Warning Prediction with Automatic Labeling in Epilepsy Patients},
author = {Peng Zhang and Ting Gao and Jin Guo and Jinqiao Duan and Sergey Nikolenko},
journal= {arXiv preprint arXiv:2310.06059},
year = {2024}
}
备注
13 pages,4 figures