EpilNet：一种基于物联网与人工智能的癫痫发作预测与诊断系统新方法
机器学习
2023-03-22 v1 信号处理
摘要
癫痫是最常发生的神经系统疾病之一。该疾病的主要特征是频繁发作，即大脑中的电失衡。通常伴随身体部位颤抖甚至导致（昏厥）。过去几年中出现了许多治疗方法。这些主要涉及使用抗 seizure 药物控制发作。但在 70% 的病例中，这些药物无效，当病情恶化时手术是唯一解决方案。因此患者需在发作期间自我保护并保持安全。随着医学与科技的发展，可穿戴脑电图 (EEG) 设备已问世。这些设备有助于分析脑电活动。EEG 有助于定位受影响的皮质区域。最重要的是，它可现场提前预测任何发作。这导致对高效发作预测与诊断系统的需求突增。本文提出一种癫痫发作预测与诊断系统 EpilNet 的新方法。它是一维 (1D) 卷积神经网络。EpilNet 在五类上给出 79.13% 的测试准确率，较相关工作中提升约 6-7%。所开发的 Web API 有助于将 EpilNet 投入实际使用。因此，它是面向患者与医生的集成系统。该系统将帮助患者预防伤害或事故，并提高医院医生治疗过程的效率。
引用
@article{arxiv.2111.03265,
title = {EpilNet: A Novel Approach to IoT based Epileptic Seizure Prediction and Diagnosis System using Artificial Intelligence},
author = {Shivam Gupta and Virender Ranga and Priyansh Agrawal},
journal= {arXiv preprint arXiv:2111.03265},
year = {2023}
}
备注
12 Pages, 12 Figures, 2 Tables