基于图注意力深度神经网络的癫痫脑电尖波识别

2020-03-12 01:06:16崔昊天
生物学杂志 2020年1期
关键词:特征方法

崔昊天,宋 森,2,3

(1.清华大学 脑与智能实验室及生物医学工程系,北京 100084; 2.北京未来芯片高精尖中心及清华大学类脑计算研究中心,北京 100084; 3.清华-IDG/麦戈文脑科学联合研究院,北京 100084)

脑电(electroencephalograph, EEG)是癫痫诊断和治疗评价的重要临床手段[1]。脑电中的棘波、尖波、慢波等是临床中确认癫痫发生和癫痫病灶定位的重要指标。尽管费时费力,人工识别依然是临床中分析脑电记录的常用方法[2-5]。

为了实现脑电自动识别分析,相关研究者提出了多种识别算法。总体上可以划分为以下几类:模板匹配[2, 6]、时频谱分析[7-9]和人工神经网络方法[5, 10-11]。这些方法对尖波的自动检测取得了进展,但存在着假阳性高及需要人工选择特征的缺点。如Gotman[12]通过筛选特征后降低识别伪差概率,但假阳性率仍达10%。因此算法很难对完全正常不含尖波的脑电记录作出准确判断,影响临床的应用。

简言之,由于脑电信号存在幅度微弱、信噪比较低、伪影干扰多、多受试和多次测试间的变化大等难点,传统上基于人工特征选择的方法不足以得到有效和能泛化的结果。因此,近年来以深度学习为代表的机器学习方法转而完全从数据出发[13-15],带来了解决上述难点的新的可能。然而考察已报道的深度学习方法,处理多通道的脑电数据仍存在不足。其中一类不考虑通道间的信息,只用到通道内信息进行识别[13];另一类利用多通道信息,如强制遵循数据中既定的通道排序进行卷积,忽略了脑电图记录中相邻的通道并不代表其在生理或病理中的相关性这一事实[14-15]。……

登录APP查看全文

猜你喜欢
特征方法
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
学习方法
用对方法才能瘦
Coco薇(2016年2期)2016-03-22 02:42:52
四大方法 教你不再“坐以待病”!
Coco薇(2015年1期)2015-08-13 02:47:34
赚钱方法
捕鱼
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15