基于可解释 AI 的 EEG 降低蒙剂新生儿癫痫检测
信号处理
2024-08-15 v3 人工智能
机器学习
摘要
新生儿时期是癫痫发展最脆弱的时期。脑部不成熟的癫痫会导致严重后果，因此需及时诊断。新生儿癫痫检测的金标准依赖于持续视频-EEG 监测，该技术需在 NICU 中记录多通道脑电图（EEG）并配合实时视频监控。然而，视频-EEG 监测技术需要临床专家知识，且常限于技术先进和资源丰富的环境。具有成本效益的新技术可帮助医务人员进行准确诊断并推迟治疗。本文提出一种新型可解释深度学习模型，用于降低 EEG 蒙剂下的新生儿癫痫自动检测。该模型采用卷积神经网络、图注意力层和全连接层。除实现降低蒙剂下的实时癫痫检测外，该模型还具有独特的实时可解释性。通过在 Zenodo 数据集上进行 10 折交叉验证评估，所提出的模型在受试者特征曲线下面积（AUC）和召回率上分别实现了 8.31% 和 42.86% 的绝对提升。
引用
@article{arxiv.2406.16908,
title = {Using Explainable AI for EEG-based Reduced Montage Neonatal Seizure Detection},
author = {Dinuka Sandun Udayantha and Kavindu Weerasinghe and Nima Wickramasinghe and Akila Abeyratne and Kithmin Wickremasinghe and Jithangi Wanigasinghe and Anjula De Silva and Chamira U. S. Edussooriya},
journal= {arXiv preprint arXiv:2406.16908},
year = {2024}
}
备注
Paper is accepted to IEEE International Conference on Systems, Man, and Cybernetics (SMC) 2024. Final Version