EMAP：一种用于 EEG 监测与基于互相关的实时异常预测的云边混合框架
信号处理
2020-12-29 v1 网络与互联网体系结构
摘要
用于检测或预测神经系统疾病的最先进的技术（1）侧重于单独预测每种疾病，且（2）计算昂贵，导致延迟，可能使预测在关键事件中变得无用。为此，我们提出一种称为 EMAP 的实时双层框架，它在云端将输入与我们巨型数据库（多个 EEG 数据集的组合）中的所有 EEG 信号进行互相关，同时在边缘实时跟踪信号，以预测神经异常的发生。使用所提框架，我们对测试过的三种不同异常展示了高达 94% 的预测准确率。
引用
@article{arxiv.2004.10491,
title = {EMAP: A Cloud-Edge Hybrid Framework for EEG Monitoring and Cross-Correlation Based Real-time Anomaly Prediction},
author = {Bharath Srinivas Prabakaran and Alberto García Jiménez and Germán Moltó Martínez and Muhammad Shafique},
journal= {arXiv preprint arXiv:2004.10491},
year = {2020}
}
备注
Accepted for Publication at the 57th Design Automation Conference (DAC), July 2020, San Francisco, CA, USA