换一批多通道时空特征提取的癫痫发作预测模型
Epileptic seizure prediction model based on multichannel spatiotemporal feature extraction
摘要提出一种基于多通道时空特征提取的癫痫发作预测模型.该模型首先对原始多通道脑电图(EEG)信号进行斯托克韦尔变换,提取时频成分.针对癫痫发作前期和间期时频特征差异不明显的问题,设计了由ConvNeXt网络、SENet和金字塔池化模块组成的自适应特征提取模块,增强对每个EEG通道内关键时频特征的捕获能力.同时,构建基于Bi-NLSTM的预测模型,增强多通道高阶EEG时频特征之间的时空依赖性,进一步提高癫痫分类性能.在CHB-MIT数据集上,该模型的准确率、灵敏度、特异性和AUC分别达到96.0%、97.8%、96.8%和0.987,每小时假阳性率降至0.038,优于现有主流方法.消融实验验证各组件对提升模型性能的实际效果.本方法通过优化局部时频特征提取和增强多通道时空依赖性,有效提升癫痫发作预测的整体性能.
更多相关知识
关键词
癫痫发作预测多通道头皮脑电信号斯托克韦尔变换自适应特征提取双向邻域长短期记忆网络epileptic seizure predictionmultichannel scalp EEG signalStockwell transformadaptive feature extractionbidirectional neighborhood long short-term memory network
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.02.011
发布时间
2025-02-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61771233）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
