机构名称：
¥ 1.0
背景：机器学习 (ML) 为科学家开发有效的计算机辅助诊断 (CAD) 系统铺平了道路。近年来，使用脑电图 (EEG) 数据和深度学习模型进行癫痫发作检测引起了广泛关注。然而，在深度学习网络中，瓶颈是大量可学习的参数。方法：在本研究中，提出了一种新方法，包括用于特征提取的 1D 卷积神经网络 (CNN) 模型，然后是用于分类的经典量子混合层。所提出的技术只有 745 个学习参数，这是迄今为止报道的最少的。结果：所提出的方法在 Bonn EEG 数据集上的二元分类中实现了 100% 的最大准确度、灵敏度和特异性。此外，还检查了所提出模型的噪声鲁棒性。据作者所知，这是第一项使用量子机器学习 (QML) 检测癫痫发作的研究。结论：因此，开发的混合系统将帮助神经科医生以在线模式检测癫痫发作。
检测癫痫发作的量子网络
主要关键词
相关文件推荐
