![arxiv：2011.12107v1 [eess.sp] 2020年11月17日](/simg/3/34a82fc724f2615029f399b4d61ce9daae724cbb.webp)
机构名称：
¥ 1.0
本文提出了一种新型的图形卷积神经网络（GCNN） - 使用头皮电脑图（EEGS）改善神经疾病诊断的方法。尽管脑电图是用于神经疾病诊断的主要测试之一，但基于脑电图的专家视觉诊断的敏感性仍为约50％。这表明需要先进的方法学以降低检测频率的假阴性率。在这种情况下，我们着重于区分神经系统疾病患者头皮异常的脑电图的问题，这些患者最初被专家与健康个体的头皮EEG分类为“正常”。本文的贡献是三个方面：1）我们提出EEG-GCNN，EEG-GCNN是EEG数据的新型GCNN模型，可捕获头皮电极之间的空间和功能连接性，2）使用EEG-GCNN，我们使用EEG-GCNN，我们使用上面的两个大规模评估了两个大型假设，并使用两个大型假设进行了大规模评估。 EEG-GCNN显着胜过人类基线和经典机器学习（ML）基准，AUC为0.90。关键词：脑电图，早期诊断，神经疾病，图CNN
arxiv：2011.12107v1 [eess.sp] 2020年11月17日
主要关键词
![arxiv：2011.12107v1 [eess.sp] 2020年11月17日PDF文件第1页](/bimg/6/661c1a5ed58cc1e466062be246f945e5b283ad37.webp)
![arxiv：2011.12107v1 [eess.sp] 2020年11月17日PDF文件第2页](/bimg/c/ce58058d870444a3293abbfa466f3c18e39aae90.webp)
![arxiv：2011.12107v1 [eess.sp] 2020年11月17日PDF文件第3页](/bimg/8/87d854db8f1aa320ac9ad0d0b4e212f1bc9f3fec.webp)
![arxiv：2011.12107v1 [eess.sp] 2020年11月17日PDF文件第4页](/bimg/4/4cd724d0faabd2bf6328f44cc9326bb6a2e6543d.webp)
![arxiv：2011.12107v1 [eess.sp] 2020年11月17日PDF文件第5页](/bimg/e/ed7c4c546cabc8b9bea381e2253758df0b2e4609.webp)
相关文件推荐
![arxiv：2011.06878v1 [eess.sp] 2020年11月13日](/simg/5/585342ee315b57f8f60eceef20306d0e67394a79.webp)
![arxiv：2011.01431v1 [Quant-ph] 2020年11月3日](/simg/0/038587f5c96ffb45b88d497201947af41b780fa6.webp)
![arxiv：2011.03382v1 [physics.atom-ph] 2020年11月6日](/simg/1/183ac6a02e444d0b8d647379438a1bcb47ee3b26.webp)
![arxiv：2011.10903v1 [Quant-PH] 2020年11月22日](/simg/e/e42cf64e444a6b762ee2cf47ef5012ee8e66a60d.webp)
![arxiv：2008.07190v1 [hep-ph] 2020年8月17日](/simg/e/ede7dd8269721345804d3a578b1588e545d0681b.webp)
![arxiv：2009.08513v1 [Quant-ph] 2020年9月17日](/simg/4/4518a8e8da96edbcbfb009b5cd0eed8c67934b5b.webp)
![arxiv：2012.15294v1 [eess.iv] 2020年12月30日](/simg/4/440d22a9e2e4d8344dbfe06477ccfb76b9f91828.webp)
![arxiv：2003.13653v3 [CS.CV] 2020年11月26日](/simg/1/162a7bf0dc00e22076b28e9894d902f162542492.webp)
![arxiv：2401.05363v4 [eess.sp] 11月11日，2024年7月](/simg/b/ba1742bc77a8dfbb6a8152d56fd2735a158fea04.webp)
![arxiv：2502.14892v1 [cs.cv] 2025年2月17日](/simg/b/b495d4ee9dd26d76c8dad02913bbd55ecbbe1439.webp)
![arxiv：2312.00189v1 [cs.lg] 2023年11月30日](/simg/2/278c56b945375190fd24bc0470f3ee0f0d75531f.webp)
![arxiv：2501.10089v1 [cs.cv] 2025年1月17日](/simg/7/741beda39614c3a573d37b99ccd8947f62d2e5fa.webp)
![arxiv：2401.14907v2 [cs.ro] 2024年11月29日](/simg/0/0d8974404b80c2e87a42eedcdacbe5baabb4b814.webp)
![arxiv：2407.02109v2 [cs.cv] 2024年11月23日](/simg/a/ae4d53ed1d1cc0ff7fb46a3f603ec01aff994b63.webp)
![arxiv：2411.18623v1 [cs.cv] 2024年11月27日](/simg/f/ffb70dc031055f868005f7e395f79b8254f9bcda.webp)
![arxiv：2003.07031v2 [Quant-ph] 2020年8月16日](/simg/9/9d4c482313142d16b614be540aefa50343e75866.webp)
![arxiv：2306.11137v1 [eess.iv] 2023年6月19日](/simg/a/aec2225b328fb4ca18e3057ee2fee65eff0d007c.webp)
![arxiv：2009.05741v1 [Math.oc] 2020年9月12日](/simg/b/bb1043a74b22730808ba5d30f6a2618da6f71fcf.webp)
![arxiv：2106.09655v1 [Quant-ph] 2021年6月17日](/simg/d/d060758f07249d1501a47f27aebd0a7f189f4124.webp)
![arxiv：2204.09840v1 [eess.sp] 2022年4月21日](/simg/5/504a728d3f527df747c3c63716c58715487243b8.webp)
![arxiv：2501.16649v1 [eess.sp] 2025年1月12日](/simg/7/756577affeb7e32082f3d9879318bbdb09b7e4ff.webp)
![arxiv：2404.11027V1 [CS.AI] 2024年4月17日](/simg/0/06939e0fc684e004fd4b9403eb6b6eccf4469b3f.webp)
![arxiv：2012.01749v5 [eess.sp] 2021年3月3日](/simg/9/9cf72ba91ea2f79eb69d18a0af3fe0dae4787b41.webp)