机构名称：
¥ 1.0
摘要 — 本文介绍了 B RAIN F USE N ET，一种基于脑电图 (EEG) 与光电容积描记法 (PPG) 和加速度计 (ACC) 信号的传感器融合的新型轻量级癫痫检测网络，适用于低通道数可穿戴系统。B RAIN F USE N ET 利用灵敏度-特异性加权交叉熵 (SSWCE)，这是一种结合了灵敏度和特异性的创新损失函数，可解决严重不平衡数据集的挑战。对于仅使用四个通道的基于 EEG 的分类，B RAIN F USE N ET - SSWCE 方法成功检测到 CHB-MIT 数据集上 93.5% 的癫痫发作事件（基于样本的灵敏度为 76.34%）。在 PEDESITE 数据集上，仅考虑 EEG 数据时，我们分别表现出基于样本的灵敏度和假阳性率 60.66% 和 1.18 FP/h。此外，我们证明，整合 PPG 信号可将灵敏度提高到 61.22%（成功检测到 92% 的癫痫发作事件），同时将假阳性数量降低到 1.0 FP/h。最后，当还考虑 ACC 数据时，对于基于样本的估计，灵敏度增加到 64.28%（成功检测到 95% 的癫痫发作事件），假阳性数量下降到仅 0.21 FP/h，而当考虑基于事件的估计时，每天的误报少于一次。BRAIN FUSE N ET 资源友好，非常适合在低功耗嵌入式平台上实施，我们
通过 EEG-PPG 增强可穿戴癫痫发作检测...
主要关键词
相关文件推荐
