GCNN

EEG-GCNN：使用领域引导图卷积神经网络增强基于脑电图的神经系统疾病诊断

本文提出了一种基于图卷积神经网络 (GCNN) 的新型方法，用于改进使用头皮脑电图 (EEG) 诊断神经系统疾病的方法。尽管脑电图是用于神经系统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灵敏度仍然约为 50%。这显然表明需要先进的方法来降低检测异常头皮脑电图的假阴性率。在此背景下，我们重点关注如何区分神经系统疾病患者的异常头皮脑电图（最初被专家归类为“正常”）与健康个体的头皮脑电图。本文的贡献有三方面：1）我们提出了 EEG-GCNN，这是一种用于 EEG 数据的新型 GCNN 模型，可以捕捉头皮电极之间的空间和功能连接；2）使用 EEG-GCNN，我们对上述假设进行了首次大规模评估；3）使用两个大型头皮 EEG 数据库，我们证明 EEG-GCNN 明显优于人类基线和经典机器学习 (ML) 基线，AUC 为 0.90。