机构名称：
¥ 1.0
癫痫是最常见的神经系统疾病之一，在所有年龄段都影响了约1％的弹出症。检测癫痫的发展，即癫痫发生（EPG），在发生任何癫痫发作之前，都可以进行早期干预措施，并可能更有效地治疗。在这里，我们研究了现代机器学习（ML）技术是否可以在发生在几天甚至几周的时间范围内发生任何癫痫发作之前从颅内脑电图（EEG）记录中检测EPG。我们研究一种称为中颞叶癫痫（MTLE）的常见癫痫的形式。特别是，我们使用啮齿动物MTLE模型，其中EPG是通过对大脑的电刺激触发的，这会诱导与人类患者相似的海马损害。我们提出了一个用于EPG识别的ML框架，该框架结合了深层卷积神经网络（CNN）与一种预测聚集方法，以获得最终的分类决策。特别是，对神经网络进行了训练，以区分从刺激前或刺激后期获得的脑电图记录的五个部分。由于癫痫的逐渐发展，刺激前后的脑电图模式存在巨大的重叠。
朝着脑电图数据早期诊断癫痫
主要关键词
相关文件推荐
