基于联邦学习的跨被试癫痫发作检测方法

1

作者 张艳丽 孙一菲 《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第5期645-651,共7页

提出一种基于联邦学习的跨被试癫痫发作检测方法,以解决由于数据类型不平衡和癫痫患者之间数据分布差异显著导致的深度检测模型训练数据不足和泛化性能低的问题.建立癫痫发作检测的联邦学习框架,聚合多个训练参与方的脑电图数据;设计多... 提出一种基于联邦学习的跨被试癫痫发作检测方法,以解决由于数据类型不平衡和癫痫患者之间数据分布差异显著导致的深度检测模型训练数据不足和泛化性能低的问题.建立癫痫发作检测的联邦学习框架,聚合多个训练参与方的脑电图数据;设计多尺度时间卷积网络作为客户端局部模型,通过客户端局部模型的训练和参数聚合协作训练全局模型;为避免联邦训练过程中参数量过大,用量化压缩技术提高模型的传输效率.在CHB-MIT头皮脑电图数据中评估联邦学习全局模型的跨被试癫痫发作检测性能,取得平均71.21%的灵敏度和83.99%的准确率.结果表明,联邦学习在不交换各客户端隐私数据的前提下,能够融合局部模型参数生成独立于患者个体的公共检测模型,为跨被试癫痫发作检测提供有效方法. 展开更多

关键词 脑电信号 癫痫发作检测 联邦学习 多尺度时间卷积网络

在线阅读 下载PDF 职称材料

基于Bi-LSTM-Attention的癫痫发作检测方法 被引量：1

2

作者 龚帅奎 蒋路茸 范骐凯 《智能计算机与应用》 2024年第2期69-75,共7页

本文针对癫痫脑电图(EEG)信号中的发作检测问题,分析了癫痫患者EEG信号中的特异性特征,在传统EEG信号时频域基础上提出了改进的脑网络特征。本文对EEG信号进行分解,并重构了EEG信号,发现在重构信号上癫痫发作和癫痫未发作表现出较大差... 本文针对癫痫脑电图(EEG)信号中的发作检测问题,分析了癫痫患者EEG信号中的特异性特征,在传统EEG信号时频域基础上提出了改进的脑网络特征。本文对EEG信号进行分解,并重构了EEG信号,发现在重构信号上癫痫发作和癫痫未发作表现出较大差异。因此在重构EEG信号上通过皮尔逊系数(PCC)构建脑网络,并在该网络上提取脑网络特征,最后将这些特征输入Bi-LSTM-Attention混合网络检测癫痫发作。该网络可以筛选出对癫痫发作检测结果具有决定性因素的特征,捕捉EEG时间序列中最重要的信息。为了评估本文的方法,在公开的CHB-MIT数据集上进行实验,获得了96.20%的准确率、96.80%的特异性和95.31%的敏感性,实验结果表明该方法在癫痫发作检测这个任务上具有不错的性能。 展开更多

关键词 癫痫发作检测 小波包变换 EEG Bi-LSTM-Attention

在线阅读 下载PDF 职称材料

基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法 被引量：3

3

作者 张新静 徐欣 +3 位作者 凌至培 黄永志 王心醉 王守岩 《计算机应用》 CSCD 北大核心 2014年第12期3614-3617,共4页

癫痫发作检测可以实现脑电分类和病灶定位,对癫痫的临床治疗具有重要意义。针对大数据量、高特征值空间长程脑电的快速和准确分类问题,提出一种基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法。对脑电信号进行短时傅里叶变... 癫痫发作检测可以实现脑电分类和病灶定位,对癫痫的临床治疗具有重要意义。针对大数据量、高特征值空间长程脑电的快速和准确分类问题,提出一种基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法。对脑电信号进行短时傅里叶变换,并选取能量时频分布为特征,利用基于最大相关和最小冗余准则的方法进行特征选择,并使用极限学习机、支持向量机和反向传播算法对癫痫不同状态进行分类和判别。实验结果表明,极限学习机的分类准确率和训练速度两方面性能优于支持向量机和反向传播算法,发作间期和发作期的分类准确率达到98%以上,训练时间仅为0.8 s,所提方法能够实时准确地检测癫痫发作。 展开更多

关键词 癫痫发作检测 最大相关和最小冗余准则 极限学习机 支持向量机 反向传播算法

在线阅读 下载PDF 职称材料

基于加权复杂网络度熵和的癫痫发作检测方法 被引量：9

4

作者 张汉勇 孟庆芳 +1 位作者 杜蕾 刘明敏 《中国生物医学工程学报》 CAS CSCD 北大核心 2019年第3期273-280,共8页

癫痫发作检测一直是一项富有挑战性的工作,随着癫痫发病率的增加,高性能癫痫自动检测算法在临床上可以减轻医务工作者的工作量,具有重要的临床医学研究意义。提出基于加权水平可视图的癫痫检测新方法。首先利用加权水平可视图将单通道... 癫痫发作检测一直是一项富有挑战性的工作,随着癫痫发病率的增加,高性能癫痫自动检测算法在临床上可以减轻医务工作者的工作量,具有重要的临床医学研究意义。提出基于加权水平可视图的癫痫检测新方法。首先利用加权水平可视图将单通道脑电信号转化为复杂网络,并提取生成的复杂网络的度的平方和权重度分布熵两个特征;最后将两个特征之和作为单特征输入到线性分类器中,用来识别癫痫间歇期和发作期信号。对波恩大学的癫痫脑电数据集进行实验,评价所提出的检测算法的性能。使用该癫痫脑电数据集间歇期和发作期各100个实验样本,样本长度为1 024。实验结果表明,所提出的方法具有较高的分类精度,可达到98.5%。由于分类的特征为单特征,所以更加简单高效,可用于癫痫发作在线自动检测。 展开更多

关键词 癫痫发作检测 脑电信号 复杂网络 加权水平可视图

在线阅读 下载PDF 职称材料

基于一维卷积神经网络的癫痫发作检测 被引量：1

5

作者 刘藤子 闫序存 杨冬平 《电子测量技术》 北大核心 2022年第18期99-105,共7页

癫痫是一种最常见的危及生命且具有挑战性的神经系统疾病。癫痫脑电信号复杂多样,人工检测癫痫信号耗时耗力,误判率高,不同的医务人员检测出来的结果也不相同,而且临床的原始脑电数据经常会包含多种噪音和生理伪迹,干扰癫痫检测性能。因... 癫痫是一种最常见的危及生命且具有挑战性的神经系统疾病。癫痫脑电信号复杂多样,人工检测癫痫信号耗时耗力,误判率高,不同的医务人员检测出来的结果也不相同,而且临床的原始脑电数据经常会包含多种噪音和生理伪迹,干扰癫痫检测性能。因此,非常有必要进一步研究高效可靠的癫痫自动检测技术,从而减轻医护人员负担。本文针对来自中国301医院收集的临床原始脑电数据进行分析训练,引入了一种基于一维卷积神经网络具有连续双层卷积结构的模型,可以高效稳定地检测到癫痫信号。结果为灵敏度、特异性、准确率和F1-score分别达到96.8%、99.8%、99.6%和96.1%,而且利用GPU进行模型训练的运行时间比对比模型低2~3倍。结果表明,本文引入的基于一维卷积神经网络模型优于现有方法,在癫痫检测性能上高效稳定,对癫痫的辅助诊断具有重要意义。 展开更多

关键词 脑电图 癫痫发作检测 深度学习 一维卷积神经网络

在线阅读 下载PDF 职称材料

基于融合特征选择与R-ProCRC的癫痫发作检测算法

6

作者 吴端坡 袁瞻兴 《杭州电子科技大学学报（自然科学版）》 2022年第1期46-52,共7页

提出一种基于融合特征选择与鲁棒概率协同表示分类器(Robust Probabilistic Collaborative Representation Based Classifier,R-ProCRC)的癫痫发作自动检测算法。首先,对原始脑电(Electroencephalography,EEG)信号进行经验模态分解(Empi... 提出一种基于融合特征选择与鲁棒概率协同表示分类器(Robust Probabilistic Collaborative Representation Based Classifier,R-ProCRC)的癫痫发作自动检测算法。首先,对原始脑电(Electroencephalography,EEG)信号进行经验模态分解(Empirical Mode Decomposition,EMD)以及离散小波变换(Discrete Wavelet Transform,DWT);然后,对分解得到的各子波分别进行多种特征融合提取,并采用最大相关-最小冗余特征选择算法进行融合特征选择;最后,用R-ProCRC对选择后的数据特征进行检测。在Bonn数据集上采用十折交叉验证评估效果,取得较好的识别效果。仿真结果表明,提出算法的准确性、灵敏度和特异性分别达到99.70%,99.74%和99.66%,相比EMD算法和DWT算法,有显著提高。 展开更多

关键词 癫痫发作检测 机器学习 融合特征 R-ProCRC mRMR

在线阅读 下载PDF 职称材料

基于判别性流形正则和域分布适配的跨被试癫痫发作检测方法

7

作者 张艳丽 邱文龙 周卫东 《中国生物医学工程学报》 2024年第6期693-701,共9页

癫痫发作自动检测对于癫痫的诊断、监测和干预治疗具有重要意义。针对癫痫发作期脑电(EEG)数据有限以及不同患者EEG分布差异大等问题,提出一种基于判别性流形正则与域分布适配的跨被试癫痫发作检测方法。首先将待测试患者的EEG和其他患... 癫痫发作自动检测对于癫痫的诊断、监测和干预治疗具有重要意义。针对癫痫发作期脑电(EEG)数据有限以及不同患者EEG分布差异大等问题,提出一种基于判别性流形正则与域分布适配的跨被试癫痫发作检测方法。首先将待测试患者的EEG和其他患者已标注类别的EEG分别作为目标域和源域数据,并提取EEG小波包分解系数的均值、方差和样本熵作为特征;然后,采用含有源域样本类别信息的流形正则和类内间距最小化约束,进行领域分布适配,并利用条件分布距离和边缘分布距离的相对偏差,对分布适配权重加以动态调整;最后,利用空间投影后的源域样本训练随机森林分类器,实现对癫痫EEG的模式分类和发作检测。利用CHB-MIT数据库中24例患者的头皮脑电数据,验证所提方法的检测性能,并与现有的域适应算法相比较。所提出方法达到的平均检测灵敏度和准确率分别为94.94%和95.66%,比采用二阶统计量对齐的CORAL算法提高了15.07%和9.98%,比只进行均衡分布适配的BDA算法提高了3.90%和2.52%。判别性流形正则与域分布适配相结合能够减小不同患者脑电信号之间的分布差异,并有效利用源域数据流形结构和标签中的判别信息,为跨被试癫痫发作检测研究提供一种新思路。 展开更多

关键词 脑电信号 癫痫发作检测 跨被试 域分布适配 流形正则

在线阅读 下载PDF 职称材料

基于平滑非线性能量算子划分的尖峰相关特征癫痫发作自动检测算法

8

作者 何雪兰 吴江 蒋路茸 《智能计算机与应用》 2024年第3期128-132,共5页

针对癫痫发作自动检测算法多集中于时域、频域等传统特征,无法全面表征癫痫脑电信号的信息等问题,本文结合癫痫脑电图中异常波振幅和频率提高的现象,提出一种基于平滑非线性能量算子划分的尖峰相关特征癫痫发作自动检测算法。该算法使... 针对癫痫发作自动检测算法多集中于时域、频域等传统特征,无法全面表征癫痫脑电信号的信息等问题,本文结合癫痫脑电图中异常波振幅和频率提高的现象,提出一种基于平滑非线性能量算子划分的尖峰相关特征癫痫发作自动检测算法。该算法使用传统的时域、频域特征,结合尖峰相关性特征对脑电信号进行刻画,使用有监督的机器学习分类器,测试癫痫发作自动检测的有效性和可靠性。本文将提出的方法在开源数据集CHBMIT上进行了评估,获得了96.52%的准确率、95.65%的敏感性和97.09%的特异性。实验结果表明,基于平滑非线性能量算子划分的尖峰相关特征,能够作为癫痫脑电信息的补充,提高癫痫发作检测的性能。 展开更多

关键词 癫痫发作检测 机器学习 尖峰相关性 平滑非线性能量算子

在线阅读 下载PDF 职称材料

基于改进遗传算法优化反向传播神经网络的癫痫发作检测方法分析 被引量：10

9

作者 刘光达 魏星 +2 位作者 张尚 蔡靖 刘颂阳 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2019年第1期24-32,共9页

为了提高计算机化癫痫发作检测的准确性和检测效率,本文提出了一种基于改进遗传算法的优化反向传播(IGA-BP)神经网络的癫痫诊断方法,以期利用该方法可以实现临床癫痫病症的快速、高效检测。该方法首先对癫痫脑电信号进行线性与非线性相... 为了提高计算机化癫痫发作检测的准确性和检测效率,本文提出了一种基于改进遗传算法的优化反向传播(IGA-BP)神经网络的癫痫诊断方法,以期利用该方法可以实现临床癫痫病症的快速、高效检测。该方法首先对癫痫脑电信号进行线性与非线性相结合的特征提取,通过高斯混合模型(GMM)对癫痫特征聚簇集合分析,利用最大期望(EM)算法估算高斯混合模型参量,获取遗传算法(GA)选择算子的最优参数组合,实现对遗传算法的改进,用改进的遗传算法调整反向传播(BP)神经网络以获取最佳初始权值和阈值,建立改进遗传算法优化的BP神经网络模型。利用该模型对癫痫脑电信号分类识别,最终实现癫痫病症的自动检测。与传统遗传算法优化的BP(GA-BP)神经网络相比较,本文所提出的方法提高了种群的收敛速度、减小了分类误差,在癫痫病症自动检测中提高了检测准确率并缩短了检测时间,在临床癫痫发作诊断中具有重要的应用价值。 展开更多

关键词 癫痫发作检测 遗传算法 BP神经网络 选择算子 EM算法

原文传递

基于深度学习的癫痫脑电通道选择与发作检测 被引量：6

10

作者 曹玉珍 高晨阳 +2 位作者 余辉 张力新 王江 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2020年第4期426-432,共7页

传统癫痫发作通道选择方法需要提取特征,然后人工进行特征选择,最后基于所选特征训练分类器实现发作检测.为优化特征提取与选择过程,提出一种具有自学习特性,基于深度学习的癫痫脑电通道选择与发作自动检测组合模型.该方法利用卷积自编... 传统癫痫发作通道选择方法需要提取特征,然后人工进行特征选择,最后基于所选特征训练分类器实现发作检测.为优化特征提取与选择过程,提出一种具有自学习特性,基于深度学习的癫痫脑电通道选择与发作自动检测组合模型.该方法利用卷积自编码器对癫痫脑电数据进行自适应特征提取,获得代表不同通道的特征子集;依据费舍尔准则筛选出特征子集与脑电通道;通过基于参数迁移的一维卷积神经网络实现癫痫发作脑电信号的检测.使用PhysioNet网站中的CHB-MIT数据库中8例有效数据量较为充足的病患脑电数据对组合模型进行有效性评价.对比该方法与基于方差、方差差异性和随机筛选方法得到的结果,在测试集上对癫痫发作检测的准确率、真阳性率、假阳性率的平均值分别达到了92.79%、93.07%、5.16%,均优于其他方法,且模型收敛速度所需的迭代次数平均仅为其他方法的10%.该方法在癫痫脑电发作检测效果和模型训练成本方面都有一定优势,且在进行脑电通道筛选时不需要手动提取特征,同时也可用于阿尔兹海默症等其他脑部疾病辅助诊断个性化检测模型的建立. 展开更多

关键词 癫痫发作检测 卷积自编码器 费舍尔准则 参数迁移

在线阅读 下载PDF 职称材料

基于多分类SVM算法的癫痫发作自动检测方法 被引量：1

11

作者 王元发 庞宇 +1 位作者 周前能 黄志伟 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2023年第3期536-544,共9页

高性能的癫痫脑电信号自动检测方法对减轻医生负担并提高癫痫的诊断效率具有重要临床研究意义。论文提出了一种能够区分正常、癫痫发作和发作间期脑电信号的高性能三分类系统。采用Daubechies 4小波构成的4级提升式小波变换将脑电信号... 高性能的癫痫脑电信号自动检测方法对减轻医生负担并提高癫痫的诊断效率具有重要临床研究意义。论文提出了一种能够区分正常、癫痫发作和发作间期脑电信号的高性能三分类系统。采用Daubechies 4小波构成的4级提升式小波变换将脑电信号分解为不同子带信号,求得不同子带信号的近似熵、Teager能量、局部波动率、自回归系数、Hurst指数特征值;利用Fisher得分法进行特征选择,提高分类精度同时减小计算复杂度;基于二叉树多分类支持矢量机(support vector machine,SVM)对脑电信号分类,实现正常、癫痫发作和发作间期信号的自动检测。实验表明,系统的准确率、灵敏度和特异性均达到100%,优于现有的分类识别方法,提出的三分类系统具有良好的分类性能,为癫痫及癫痫发作的临床检测提供了较好参考价值。 展开更多

关键词 癫痫及癫痫发作检测 三分类器 提升小波变换 二叉树SVM 高性能

在线阅读 下载PDF 职称材料

强化学习融合群智能算法的癫痫EEG不平衡分类方法

12

作者 李奇 李鹏飞 +2 位作者 赵迪 刘嘉威 杨菁菁 《重庆理工大学学报(自然科学)》 北大核心 2024年第12期110-123,共14页

癫痫智能检测的脑电数据具有不平衡性。考虑到单一的群智能算法在改善数据不平衡方面的不足,提出了一种基于强化学习的自适应融合群智能算法。使用强化学习在种群进化的不同阶段自适应地选择并融合多种群智能算法;通过双种群协同进化策... 癫痫智能检测的脑电数据具有不平衡性。考虑到单一的群智能算法在改善数据不平衡方面的不足,提出了一种基于强化学习的自适应融合群智能算法。使用强化学习在种群进化的不同阶段自适应地选择并融合多种群智能算法;通过双种群协同进化策略,更高效地获得全局最优解;使用由全局最优解所表示的样本构建平衡数据集并训练分类器。在2个公共癫痫脑电数据集上的实验表明,该方法优于单一的群智能算法,能够有效提高分类器对少数类样本和整体数据集的分类性能。 展开更多

关键词 癫痫发作检测 脑电信号 不平衡数据集 强化学习 群智能算法

在线阅读 下载PDF 职称材料

机器学习在癫痫疾病诊疗中的应用

13

作者 杨德波 牛彩琅 +1 位作者 李鹏宏 景玮 《医学信息学杂志》 CAS 2023年第11期46-51,83,共7页

目的/意义对机器学习在癫痫发作预测、诊断预测、发作检测、抗癫痫药物的疗效预测、癫痫手术预测等方面的近期应用情况进行总结分析。方法/过程通过PubMed检索文献,总结各机器学习模型的性能及优缺点,以及机器学习技术面临的挑战。结果... 目的/意义对机器学习在癫痫发作预测、诊断预测、发作检测、抗癫痫药物的疗效预测、癫痫手术预测等方面的近期应用情况进行总结分析。方法/过程通过PubMed检索文献,总结各机器学习模型的性能及优缺点,以及机器学习技术面临的挑战。结果/结论机器学习对癫痫疾病的诊疗具有重要作用,可为临床医生的诊疗工作提供参考。 展开更多

关键词 机器学习 癫痫发作预测 癫痫诊断预测 癫痫发作检测 癫痫手术预测

在线阅读 下载PDF 职称材料

脑电信号的特征提取方法

14

作者 胡文凤 宋江玲 张瑞 《西安文理学院学报（自然科学版）》 2016年第3期21-24,56,共5页

癫痫是一种常见的发病率极高的慢性脑疾病,全球约有1%的人口患有癫痫.传统的癫痫性发作检测主要依赖于临床医生对脑电图进行视觉上的检查,并结合临床经验给出诊断.但海量的脑电数据使得这一传统方法不仅十分耗时,而且主观性很强.因此,... 癫痫是一种常见的发病率极高的慢性脑疾病,全球约有1%的人口患有癫痫.传统的癫痫性发作检测主要依赖于临床医生对脑电图进行视觉上的检查,并结合临床经验给出诊断.但海量的脑电数据使得这一传统方法不仅十分耗时,而且主观性很强.因此,开展癫痫性发作自动检测的研究以辅助医生完成癫痫性发作检测具有重要的临床意义.而如何从脑电图中提取合适的脑电特征以及如何选取恰当的分类器是完成癫痫性发作自动检测的关键环节,其中如何从脑电图中提取出能够区别发作脑电与未发作脑电特征是首先的也是最为重要的一步.总结了三种常见的用于癫痫性发作自动检测的基于非线性相似性的脑电特征提取方法,通过分析其优缺点,给出相应的改进建议. 展开更多

关键词 癫痫 癫痫性发作 癫痫性发作的自动检测 非线性动力学 基于顺序模式的非相似性 模糊相似性指数 基于巴氏距离的非相似性

在线阅读 下载PDF 职称材料