基于深度学习利用自动生成标签进行 EEG 电极检测
计算机视觉与模式识别
2019-08-13 v1
摘要
脑电图（EEG）可对脑电活动进行源测量。尤其对于逆问题定位，需已知头皮上的电极位置。通常，使用光学数字化扫描仪等系统配合触笔进行精确定位。然而，该方法耗时，因为每个电极都需手动扫描且扫描系统昂贵。我们提出使用 RGBD 相机借助深度学习方法直接在图像中追踪电极。研究和评估深度学习方法需要大量标注数据。为克服耗时的数据标注，我们利用机器人装置生成了大量真值标签。我们证明了基于深度学习的电极检测是可行的，平均绝对误差为 5.69 ± 6.1mm，且我们的标注方案为研究电极检测的深度学习方法提供了有益环境。
引用
@article{arxiv.1908.04186,
title = {Towards Deep Learning-Based EEG Electrode Detection Using Automatically Generated Labels},
author = {Nils Gessert and Martin Gromniak and Marcel Bengs and Lars Matthäus and Alexander Schlaefer},
journal= {arXiv preprint arXiv:1908.04186},
year = {2019}
}
备注
Accepted at the CURAC 2019 Conference