| 基于多尺度卷积特征融合的癫痫脑电信号识别 | |
| 齐永锋1; 裴晓旭1; 赵岩2 | |
| 2022-07-15 | |
| 发表期刊 | 光电子·激光
 |
| ISSN | 1005-0086 |
| 卷号 | 33期号:07页码:778-784 |
| 摘要 | 脑电信号(electroencephalography, EEG)已成为医生诊断神经系统疾病最广泛使用的工具，实现癫痫EEG的自动识别对于癫痫患者的临床诊断和治疗具有重要意义。为了提高癫痫EEG的识别精度，提出了一种基于多尺度卷积特征融合的癫痫EEG自动识别模型。首先采用多尺度卷积特征融合方法提取多粒度数据特征，实现卷积神经网络(convolutional neural network, CNN)中不同层次的信息互补；然后经过长短期记忆网络(long short-term memory network, LSTM)提取时间特征，利用softmax分类器给出最终的识别结果。为了评估提出方法的识别性能，在波恩大学癫痫病研究中心数据集中进行实验，并与CNN-LSTM模型、单一的LSTM等模型的识别性能进行了比较，实验结果表明，提出方法的识别精度明显高于其余方法，平均可达到99.19%。该模型能够有效识别癫痫EEG类别，具有较高的识别性能和临床应用潜力。 |
| 关键词 | 癫痫脑电信号 多尺度卷积 长短时记忆网络 识别 |
| DOI | 10.16136/j.joel.2022.07.0750 |
| URL | 查看原文 |
| 收录类别 | 北大核心 ; CSCD |
| 语种 | 中文 |
| 资助项目 | 西北师范大学重大科研项目培育计划（NWNU-LKZD2021-06）资助项目 |
| 原始文献类型 | 学术期刊 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.library.ouchn.edu.cn/handle/39V7QQFX/26978 |
| 专题 | 国家开放大学甘肃分部 |
| 通讯作者 | 齐永锋 |
| 作者单位 | 1.西北师范大学计算机科学与工程学院; 2.甘肃开放大学培训学院 |
| 推荐引用方式 GB/T 7714 | 齐永锋,裴晓旭,赵岩. 基于多尺度卷积特征融合的癫痫脑电信号识别[J]. 光电子·激光,2022,33(07):778-784. |
| APA | 齐永锋,裴晓旭,&赵岩.(2022).基于多尺度卷积特征融合的癫痫脑电信号识别.光电子·激光,33(07),778-784. |
| MLA | 齐永锋,et al."基于多尺度卷积特征融合的癫痫脑电信号识别".光电子·激光 33.07(2022):778-784. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [齐永锋]的文章 |
| [裴晓旭]的文章 |
| [赵岩]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [齐永锋]的文章 |
| [裴晓旭]的文章 |
| [赵岩]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [齐永锋]的文章 |
| [裴晓旭]的文章 |
| [赵岩]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论