基于残差状态更新的 REST：高效加速的 EEG 癫痫分析
信号处理
2024-06-26 v1 人工智能
机器学习
摘要
EEG-based 癫痫检测模型在推理速度和内存效率方面面临挑战，限制了其在临床设备中的实时应用。本文提出一种新的基于图的残差状态更新机制（REST），用于癫痫等临床应用中实时 EEG 信号分析。通过结合图神经网络和循环结构，REST 有效地捕捉了 EEG 数据中的非欧几里得几何和时序依赖性。该模型在癫痫检测和分类任务中表现出高准确率。值得注意的是，REST 在推理速度上较当前沉模型实现了约 9 倍的加速，同时所需内存也显著低于本任务中最小的模型。这些特性使 REST 成为适用于响应神经刺激或癫痫警报系统等临床设备的有前景的候选方案。
引用
@article{arxiv.2406.16906,
title = {REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates},
author = {Arshia Afzal and Grigorios Chrysos and Volkan Cevher and Mahsa Shoaran},
journal= {arXiv preprint arXiv:2406.16906},
year = {2024}
}
备注
Accepted paper at International Confrence on Machine Learning (ICML 2024). Visit our website: https://arshiaafzal.github.io/REST/