基于机器学习的物联网自适应癫痫 seizure 检测架构：剖析与分析
机器学习
2023-09-07 v2 信号处理
摘要
癫痫发作追踪系统对于监测和评估癫痫治疗至关重要。当今癫痫护理中使用看护者发作日记，但临床发作监测可能会漏掉发作。可穿戴的监测设备可能更易被耐受且更适合长期门诊使用。许多技术和方法被提出用于发作检测；然而，在保持检测准确性的同时，简便与可负担是日常使用的关键理念。本研究中，我们提出一种基于简单实时k近邻（kNN）机器学习的通用、可负担非侵入式方案，可在少于四秒的训练时间内定制并适配个体用户；该系统使用500名受试者进行验证与确认，发作检测数据采样率为178 Hz，运行平均准确率为（94.5%）。
引用
@article{arxiv.2305.19347,
title = {Machine Learning Based IoT Adaptive Architecture for Epilepsy Seizure Detection: Anatomy and Analysis},
author = {Zag ElSayed and Murat Ozer and Nelly Elsayed and Ahmed Abdelgawad},
journal= {arXiv preprint arXiv:2305.19347},
year = {2023}
}
备注
Under review, 5 pages, 7 figures, 3 tables