结合域对抗训练与CNN-BiLSTM网络的EEG跨患者癫痫发作检测
信号处理
2025-05-22 v1 机器学习
摘要
从脑电图（EEG）中进行自动化癫痫发作检测仍然具有挑战性，因为不同患者的 EEG 模式存在显著差异。虽然现有研究以患者特定方法取得了高准确率，但它们在泛化到新患者时面临困难。为此，我们提出了一种结合域对抗训练与卷积神经网络（CNN）和双向长短期记忆（BiLSTM）的检测框架。首先，CNN 通过域对抗训练提取患者不变局部特征，在优化癫痫发作检测准确率的同时最小化患者特定特征。然后，BiLSTM 捕获提取特征中的时间依赖性，以建模癫痫发作演化模式。使用 20 名局灶性癫痫患者的 EEG 记录进行评估，结果表明该方法优于非对抗方法，在不同患者中取得了高检测准确率。域对抗训练与时间建模的集成实现了稳健的跨患者癫痫发作检测。
引用
@article{arxiv.2505.15203,
title = {EEG-Based Inter-Patient Epileptic Seizure Detection Combining Domain Adversarial Training with CNN-BiLSTM Network},
author = {Rina Tazaki and Tomoyuki Akiyama and Akira Furui},
journal= {arXiv preprint arXiv:2505.15203},
year = {2025}
}
备注
6 pages, 4 figures, accepted at IEEE EMBC 2025