检测脑电癫痫的多头自注意力机制神经网络

摘要：

癫痫是一种危及生命且具有挑战性的神经系统疾病,目前基于脑电图(EEG)的癫痫检测方法依然存在很多挑战,脑电图信号是不稳定的,不同的病人表现出的癫痫发作模式不同,检测脑电信号耗时费力,不仅会给医务人员带来沉重的负担,还容易造成误检情况的发生.因此,研究高效的跨多患者的癫痫自动检测技术是非常有必要的.提出了一种基于多头自注意力机制神经网络的癫痫脑电检测方法(CABLNet),利用卷积层捕获脑电时序信号的短期时间模式和各通道之间的局部依赖关系,使用多头自注意力机制进一步捕获具有时序关系的短期时间模式特征向量的长距离依赖关系和时间动态相关性,将上下文表示送入双向长短时记忆网络(BiLSTM)提取前后方向的信息,用logsoftmax函数进行训练和分类.实验使用CHB-MIT头皮脑电数据库数据,灵敏度、特异性、准确率、F1-score分别为96.18％、97.04％、96.61％、96.59％,结果表明,提出的方法优于现有方法,在癫痫检测性能方面有显著提高,对癫痫的辅助诊断具有重要意义.

关键词：脑电图、癫痫、癫痫检测、深度学习、多头自注意力机制

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61976247

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：442-452