机构名称：
¥ 1.0
开发经过验证的自动处理伪影算法对于可靠、快速地处理 EEG 信号至关重要。最近，在设计机器学习算法以改善经过培训的专业人员的伪影检测方面取得了方法上的进展，这些专业人员通常会一丝不苟地检查和手动注释 EEG 信号。然而，由于数据大多是私密的，数据注释既耗时又容易出错，这些方法的验证因缺乏黄金标准而受到阻碍。为了规避这些问题，我们提出了一个迭代学习模型来加速和减少手动注释 EEG 的错误。我们使用卷积神经网络 (CNN) 对专家注释的睁眼和闭眼静息态 EEG 数据进行训练，这些数据来自正常发育儿童 (n = 30) 和患有神经发育障碍的儿童 (n = 141)。为了克服旨在开发新算法和进行基准测试的循环推理，我们提出了一种迭代学习模型来加速和减少手动注释 EEG 的错误。
通过卷积神经网络引导改进脑电信号手动注释
主要关键词
相关文件推荐
