使用卷积神经网络进行新生儿癫痫检测
机器学习
2017-09-19 v1 机器学习
摘要
本研究提出了一种新颖的端到端架构，利用全卷积深度神经网络从原始 EEG 数据中学习层次化表示，以完成新生儿癫痫检测任务。该深度神经网络同时充当特征提取器和分类器，从而允许对癫痫检测器进行端到端优化。所设计的系统在一个包含连续未编辑多通道新生儿 EEG 的大型数据集上进行了评估，该数据集总计 835 小时并包含 1389 次癫痫发作。所提出的具有样本级滤波器的深度架构，实现了与基于 SVM 的最先进新生儿癫痫检测器相当的准确率，后者操作于一组精心设计的手工特征。全卷积架构允许对导致高癫痫概率的 EEG 波形和模式进行定位，以供进一步的临床检查。
引用
@article{arxiv.1709.05849,
title = {Neonatal Seizure Detection using Convolutional Neural Networks},
author = {Alison O'Shea and Gordon Lightbody and Geraldine Boylan and Andriy Temko},
journal= {arXiv preprint arXiv:1709.05849},
year = {2017}
}
备注
IEEE International Workshop on Machine Learning for Signal Processing