使用双向 LSTM 进行癫痫发作预测
机器学习
2019-12-16 v1 信号处理
机器学习
摘要
全球约有 5000 万人受癫痫影响。对患者而言，抗癫痫药物并非总是有效，且可能给患者健康带来不良副作用。若能预测发作，患者将有足够时间采取预防措施。本工作的目的是研究双向 LSTM 在癫痫发作预测中的应用。在本文中，我们在双层双向 LSTM 后接全连接层的结构上训练了来自犬类的 EEG 数据。数据由美国癫痫学会以 Kaggle 竞赛形式提供。主要任务是对发作间期与发作前期 EEG 片段进行分类。使用该模型，我们在测试集上获得了 0.84 的 AUC，表明分类器在未见数据上的表现高于随机水平。与先前工作的比较显示，双向 LSTM 网络的使用可比 SVM 与 GRU 网络取得显著更优的结果。
引用
@article{arxiv.1912.06385,
title = {Seizure Prediction Using Bidirectional LSTM},
author = {Hazrat Ali and Feroz Karim and Junaid Javed Qureshi and Adnan Omer Abuassba and Mohammad Farhad Bulbul},
journal= {arXiv preprint arXiv:1912.06385},
year = {2019}
}
备注
CyberDI 2019, Cyberspace Data and Intelligence, and Cyber-Living, Syndrome, and Health pp 349-356