基于深度学习的癫痫发作预测方法研究

摘要：

癫痫是一种常见的神经系统疾病,影响着全世界近1％的人.越来越多的人认识到,采用癫痫发作预警的闭环治疗策略,可以在一定程度上控制癫痫的发作.本文主要基于Kaggle癫痫预测EGG数据集,同时采用深度学习模型,对预测癫痫发作前片段的概率问题进行了实验性的研究.研究通过离散傅里叶变换(DFr)对数据集进行了预处理,并提出了利用两层卷积神经网络(CNN)提取频域和时间序列数据特征的模型,最终AUC指标为0.786,在504个队伍中排到第11位.同时,本文采用线性判别分析(LDA)和基本的递归神经网络(RNN)模型对此数据集进行了对比实验与分析.

关键词：癫痫、离散傅里叶变换(DFT)、卷积神经网络(CNN)、递归神经网络(RNN)

所属期刊栏目：10

分类号：TP181(自动化基础理论)

在线出版日期：2020-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：294-300,303