用于 MEG 数据中癫痫棘波检测的时序 CNN 与图卷积网络
计算机视觉与模式识别
2023-10-16 v1 机器学习
摘要
癫痫患者的脑磁图（MEG）记录呈现棘波，这是该疾病的典型生物标志物。检测这些棘波可精准定位引发癫痫发作的脑区。棘波检测常由人工完成。然而，由于 MEG 数据的复杂性，这是一项繁重且易出错的任务。为解决此问题，我们提出一种一维时序卷积神经网络（Time CNN）与图卷积网络（GCN）相耦合的模型，用于将 MEG 记录的短时帧分类为含棘波或不含棘波。相较于其他近期方法，我们的模型待训练参数更少，且提出使用 GCN 以考量 MEG 传感器的空间关系。我们的模型产生了具临床相关性的结果，并在平衡数据集上以 76.7% 的棘波类分类 f1 分数、在真实的重度不平衡数据集上以 25.5% 的棘波类分类 f1 分数，优于基于深度学习的最优方法。
引用
@article{arxiv.2310.09236,
title = {Time CNN and Graph Convolution Network for Epileptic Spike Detection in MEG Data},
author = {Pauline Mouches and Thibaut Dejean and Julien Jung and Romain Bouet and Carole Lartizien and Romain Quentin},
journal= {arXiv preprint arXiv:2310.09236},
year = {2023}
}
备注
This work has been submitted to IEEE ISBI 2024 for possible publication