• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>BMC Medical Informatics and Decision Making >Automatic seizure detection using three-dimensional CNN based on multi-channel EEG
【2h】

Automatic seizure detection using three-dimensional CNN based on multi-channel EEG

机译：基于多通道脑电图的三维CNN自动检测癫痫发作

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

BackgroundAutomated seizure detection from clinical EEG data can reduce the diagnosis time and facilitate targeting treatment for epileptic patients. However, current detection approaches mainly rely on limited features manually designed by domain experts, which are inflexible for the detection of a variety of patterns in a large amount of patients’ EEG data. Moreover, conventional machine learning algorithms for seizure detection cannot accommodate multi-channel Electroencephalogram (EEG) data effectively, which contains both temporal and spatial information. Recently, deep learning technology has been widely applied to perform image processing tasks, which could learns useful features from data and process multi-channel data automatically. To provide an effective system for automatic seizure detection, we proposed a new three-dimensional (3D) convolutional neural network (CNN) structure, whose inputs are multi-channel EEG signals.
机译：背景技术从临床EEG数据中自动检测癫痫发作可以减少诊断时间，并有助于对癫痫患者进行靶向治疗。但是，当前的检测方法主要依靠领域专家手动设计的有限功能，这些功能对于检测大量患者EEG数据中的各种模式不灵活。此外，用于癫痫发作检测的常规机器学习算法无法有效地容纳包含时间和空间信息的多通道脑电图（EEG）数据。近年来，深度学习技术已被广泛应用于执行图像处理任务，该技术可以从数据中学习有用的功能并自动处理多通道数据。为了提供有效的自动癫痫发作检测系统，我们提出了一种新的三维（3D）卷积神经网络（CNN）结构，其输入是多通道EEG信号。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号