利用深度学习学习鲁棒特征进行自动癫痫发作检测
机器学习
2016-08-02 v1 计算机视觉与模式识别
摘要
我们展示并评估了深度神经网络从脑电图(EEG)中学习鲁棒特征以自动检测癫痫发作的能力。这是一个具有挑战性的问题，因为脑电图上的癫痫发作表现无论在患者间还是患者内都极其多变。通过同时捕捉频谱、时间和空间信息，我们的循环卷积神经网络学习到了癫痫发作的一种通用空间不变表示。所提出的方法在跨患者分类器上显著超越了以往的结果，无论是在灵敏度还是假阳性率方面。此外，我们的模型被证明对缺失通道和可变电极布局具有鲁棒性。
引用
@article{arxiv.1608.00220,
title = {Learning Robust Features using Deep Learning for Automatic Seizure Detection},
author = {Pierre Thodoroff and Joelle Pineau and Andrew Lim},
journal= {arXiv preprint arXiv:1608.00220},
year = {2016}
}
备注
Presented at 2016 Machine Learning and Healthcare Conference (MLHC 2016), Los Angeles, CA