基于深度学习技术的癫痫发作检测：综述
机器学习
2021-06-01 v3 信号处理
机器学习
摘要
已有多种利用脑电图（EEG）和磁共振成像（MRI）模态的筛查方法被提出用于诊断癫痫发作。人工智能涵盖多个领域，深度学习（DL）是其分支之一。在深度学习兴起之前，通常采用涉及特征提取的传统机器学习算法，这将其性能限制在人工设计特征的能力上。然而，在深度学习中，特征提取与分类完全自动化。这些技术在医学诸多领域（如癫痫发作诊断）的出现已取得重大进展。本研究全面概述了利用深度学习技术和神经影像模态进行自动化癫痫发作检测的工作。描述了利用 EEG 和 MRI 模态自动诊断癫痫发作的各种方法。此外，分析了利用深度学习为癫痫发作开发的康复系统，并提供了总结。康复工具包括云计算技术和实现深度学习算法所需的硬件。讨论了利用深度学习结合 EEG 与 MRI 模态进行自动化癫痫发作精确检测所面临的重要挑战。阐述了采用基于深度学习技术进行癫痫发作诊断的优势与局限。最后，描绘了最有前景的深度学习模型以及自动化癫痫发作检测未来可能的工作。
引用
@article{arxiv.2007.01276,
title = {Epileptic Seizures Detection Using Deep Learning Techniques: A Review},
author = {Afshin Shoeibi and Marjane Khodatars and Navid Ghassemi and Mahboobeh Jafari and Parisa Moridian and Roohallah Alizadehsani and Maryam Panahiazar and Fahime Khozeimeh and Assef Zare and Hossein Hosseini-Nejad and Abbas Khosravi and Amir F. Atiya and Diba Aminshahidi and Sadiq Hussain and Modjtaba Rouhani and Saeid Nahavandi and Udyavara Rajendra Acharya},
journal= {arXiv preprint arXiv:2007.01276},
year = {2021}
}