EEG-DIF：基于生成式扩散模型的多通道 EEG 信号预测早期预警
信号处理
2024-10-24 v1 人工智能
机器学习
摘要
多通道 EEG 信号常用于诊断和评估如偏头痫等疾病。目前，已developed various EEG 诊断算法基于深度学习。但是，大多数研究努力仅聚焦于诊断和分类当前信号数据，而不考虑对未来趋势的预测以实现早期预警。此外，由于多通道 EEG 可本质上视为由大脑不同位置探测器接收的时空信号数据，如何构建 EEG 信号的时空信息表示以促进多通道 EEG 信号未来趋势的预测成为一个重要问题。本研究提出了基于生成式扩散模型的多信号预测算法（EEG-DIF），将多信号预测任务转化为图像完成任务，允许对多通道 EEG 信号的时空相关性和未来发展模式进行全面表示和学习。本文采用公开的偏头痫 EEG 数据集构建和验证了 EEG-DIF。结果表明，该方法能够准确地同时预测多通道 EEG 信号的未来趋势。此外，基于生成的 EEG 数据的偏头痫发作早期预警准确率达到 0.89。总体而言，EEG-DIF 为表征多通道 EEG 信号并为偏头痫发作提供一种新颖的早期预警算法，有助于优化和提高临床诊断过程。代码已公开于 https://github.com/JZK00/EEG-DIF。
引用
@article{arxiv.2410.17343,
title = {EEG-DIF: Early Warning of Epileptic Seizures through Generative Diffusion Model-based Multi-channel EEG Signals Forecasting},
author = {Zekun Jiang and Wei Dai and Qu Wei and Ziyuan Qin and Kang Li and Le Zhang},
journal= {arXiv preprint arXiv:2410.17343},
year = {2024}
}
备注
9 pages, 4 figures, 3 tables, accepted by ACM BCB 2024