基于深度学习的癫痫发作预测方法研究

作者：闵腾飞^*; 臧天仪^*

来源：智能计算机与应用, 2020, 10(01): 294-303.

• 癫痫
• 离散傅里叶变换(DFT)
• 卷积神经网络(CNN)
• 递归神经网络(RNN)

癫痫是一种常见的神经系统疾病,影响着全世界近1%的人。越来越多的人认识到,采用癫痫发作预警的闭环治疗策略,可以在一定程度上控制癫痫的发作。本文主要基于Kaggle癫痫预测EGG数据集,同时采用深度学习模型,对预测癫痫发作前片段的概率问题进行了实验性的研究。研究通过离散傅里叶变换(DFT)对数据集进行了预处理,并提出了利用两层卷积神经网络(CNN)提取频域和时间序列数据特征的模型,最终AUC指标为0.786,在504个队伍中排到第11位。同时,本文采用线性判别分析(LDA)和基本的递归神经网络(RNN)模型对此数据集进行了对比实验与分析。

• 单位
  哈尔滨工业大学