基于图注意力深度神经网络的癫痫脑电尖波识别

被引：10

作者：

崔昊天 ^{[1
]}

宋森 ^{[1
,2
,3
]}

机构：

[1] 清华大学脑与智能实验室及生物医学工程系

[2] 北京未来芯片高精尖中心及清华大学类脑计算研究中心

[3] 清华-IDG/麦戈文脑科学联合研究院

来源：

生物学杂志 | 2020年 / 37卷 / 01期

关键词：

头皮脑电; 尖波识别; 深度学习; 注意力模型; 卷积神经网络;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; R742.1 [癫痫];

学科分类号：

100204 [神经病学]; 140502 [人工智能];

摘要：

头皮脑电记录中的尖波识别能够为癫痫诊断提供重要的帮助和参考,但已报道方法中存在特异性低,忽略多通道间信息等问题。通过建立一种深度神经网络算法,实现癫痫脑电中尖波自动识别。研究中以临床头皮脑电记录为样本,首次建立层叠的卷积与图注意力深度神经网络模型进行识别,分别对脑电电极通道内和通道间的特征作有效提取。实验不仅发现算法的识别准确率达到93. 55%,特异性96. 83%,相较于对比方法有明显提升;同时通过电极通道间的注意力指数得到和尖波放电明显相关的电极关系图,有尖波发生的电极区域在图中明显聚集并分离于背景电极,可以为癫痫病灶定位提供辅助信息。上述算法,创新地利用多通道间信息,取得了领先的识别准确率,具有良好的临床应用前景。

引用

页码：11 / 15

页数：5

共 5 条

[1]

EEGNet: a compact convolutional neural network for EEG-based brain–computer interfaces.[J].Vernon J Lawhern;Amelia J Solon;Nicholas R Waytowich;Stephen M Gordon;Chou P Hung;Brent J Lance.Journal of Neural Engineering.2018, 5

[2]

Computerized epileptiform transient detection in the scalp electroencephalogram: Obstacles to progress and the example of computerized ECG interpretation [J].