基于多分支相互蒸馏的变换器用于EEG基于癫痫亚型分类
信号处理
2024-12-23 v1 机器学习
摘要
基于跨主体脑电图（EEG）的癫痫亚型分类在精准癫痫诊断中至为重要。深度学习因其能够自动提取潜在模式而成为有前景的解决方案。然而，它通常需要大量训练数据，而在临床实践中可能难以获得。本文提出了用于跨主体EEG基于癫痫亚型分类的多分支相互蒸馏（MBMD）变换器，可从有限标注数据中有效训练。MBMD变换器将 vanilla Vision Transformer 中的所有偶数编号编码器块替换为我们设计的多分支编码器块。提出了一种相互蒸馏策略，用于在原始EEG数据及其不同频带小波之间传递知识。在两个公开EEG数据集上的实验表明，我们提出的MBMD变换器优于Several传统机器学习方法和最先进的深度学习方法。迄今为止，这是首个用于EEG基于癫痫亚型分类的知识蒸馏工作。
引用
@article{arxiv.2412.15224,
title = {Multi-Branch Mutual-Distillation Transformer for EEG-Based Seizure Subtype Classification},
author = {Ruimin Peng and Zhenbang Du and Changming Zhao and Jingwei Luo and Wenzhong Liu and Xinxing Chen and Dongrui Wu},
journal= {arXiv preprint arXiv:2412.15224},
year = {2024}
}