机构名称：
¥ 3.0
中风是一种毁灭性的常见疾病，四分之一的人一生中都会经历这种疾病。中风通常突然发生，没有任何先兆，而且很难被注意到，因为它们发生在大脑中，看不见；只有外在症状的出现才暴露了正在发生的攻击。再加上中风造成的损害越久不治疗就越严重，因此更实惠、更可靠的中风检测方法非常可取。我们的项目目标是研究仅使用易于使用且成本相对较低的脑电图 (EEG) 机器收集的大脑活动数据来检测患者中风的可行性。为了实现这一目标，我们收集了中风患者和非中风患者的脑电图数据集，并使用不同的方法对其进行了标准化和预处理。然后使用这些数据的不同变体来训练机器学习模型，并测试每个训练模型识别中风患者脑电图记录的能力。我们发现，数据预处理方法对于模型取得良好结果至关重要。使用某些预处理方法，并拥有足够数量的数据，该模型能够以 100% 的准确率正确区分数据集中的中风和非中风脑电图记录。然而，我们发现了一些可能对结果产生影响的问题，包括缺乏相关的公开数据集、使用的数据集规模较小以及标准化过程中的潜在问题。
使用机器学习对脑电图数据进行中风检测
主要关键词
相关文件推荐
