长期 EEG 分区用于癫痫发作检测
机器学习
2025-03-04 v2 人工智能
信号处理
摘要
深度学习模型最近在使用 EEG 记录对偏头痙发患者进行分类方面取得了很大成功。然而，基于分类的方法缺乏有效检测癫痫事件发生 onset 的机制。在本工作中，我们提出了一个两阶段框架 SODor，通过一种新颖的子序列聚类任务 formulation 来显式建模癫痫 onset。给定 EEG 序列，框架首先学习一组具有标签监督的次级嵌入。随后采用模型聚类显式捕获 EEG 序列中长期时间依赖性，并识别有意义的子序列。位于同一子序列内的 epoch 分配相同的簇（正常或癫痫），簇或状态转换代表成功的 onset 检测。对三个数据集进行大量实验表明，我们的方法能够纠正误分类，在其他基线方法上实现 5%-11% 的分类提升，并准确检测癫痫 onset。
引用
@article{arxiv.2412.15598,
title = {Long-Term EEG Partitioning for Seizure Onset Detection},
author = {Zheng Chen and Yasuko Matsubara and Yasushi Sakurai and Jimeng Sun},
journal= {arXiv preprint arXiv:2412.15598},
year = {2025}
}
备注
Accepted at AAAI 2025