用于癫痫发作检测的显著低维谱时特征
信号处理
2022-02-15 v1
摘要
脑电图（EEG）信号中的发作起始检测是一项具有挑战性的任务，原因在于发作活动非刻板化，以及其本质上的随机与非平稳特性。联合谱时特征被认为包含用于失神发作检测的充足且强大的特征信息。然而，由此产生的高维特征涉及冗余信息且需要沉重计算负担。在此，我们发现了基于小波变换系数均值-标准差（MS-WTC）的显著低维谱时特征，并基于此开发了一种新颖的失神发作检测框架。EEG 信号被变换至谱时域，其低维特征被输入卷积神经网络。在广泛使用的基准数据集以及来自中国 301 医院的临床数据集上均取得了优越的检测性能。对于前者，评估了七项分类任务，准确率从 99.8% 到 100.0%；对于后者，该方法取得了 94.7% 的平均准确率，以低维时域与谱特征压倒其他方法。在两个发作数据集上的实验结果证明了我们提出的 MS-WTC 方法的可靠性、高效性与稳定性，验证了所提取低维谱时特征的重要性。
引用
@article{arxiv.2202.06284,
title = {Significant Low-dimensional Spectral-temporal Features for Seizure Detection},
author = {Xucun Yan and Dongping Yang and Zihuai Lin and Branka Vucetic},
journal= {arXiv preprint arXiv:2202.06284},
year = {2022}
}