基于脑电图的光敏性诊断中的 Inception 网络、数据增强与迁移学习
信号处理
2025-02-18 v1
摘要
光敏性是指大脑对光闪烁产生称为光阵发性反应（PPR）的癫痫样放电的神经生理状况。在严重情况下，这些 PPR 可能导致癫痫发作。该状况的标准诊断程序称为间歇性光刺激。在此过程中，患者暴露于闪烁光下，旨在触发这些癫痫样反应，同时防止其完全发展。与此同时，通过脑电图（EEG）监测大脑活动，由临床人员通过视觉分析来识别这些反应。因此，PPR 的自动检测是一个高度不平衡的问题，由于光敏性患病率低，文献中对此研究甚少。本研究针对这一问题，提出使用基于 Inception 的深度学习（DL）神经网络，结合迁移学习，在癫痫发作检测上进行训练，并在 PPR 自动检测任务上进行微调。同时应用数据增强（DA）技术来平衡可用数据集，评估其对深度学习模型的影响。该方案在文献中优于现有最先进方案，在标准性能指标上取得了更高的比率，且数据增强显著提升了灵敏度，而不影响准确率和特异度。该项目目前正与西班牙布尔戈斯大学医院的患者合作进行。
引用
@article{arxiv.2502.12021,
title = {Inception networks, Data Augmentation and Transfer Learning in EEG-based photosensitivity diagnosis},
author = {Fernando Moncada Martins and Víctor M. González and José R. Villar and Beatriz García López and Ana Isabel Gómez-Menéndez},
journal= {arXiv preprint arXiv:2502.12021},
year = {2025}
}