基于残差注意力神经网络模型的癫痫脑电信号分类 |
| |
作者姓名: | 刘敏 张魁星 李丽萍 徐娟娟 李翔 魏本征 |
| |
作者单位: | 1. 山东中医药大学智能与信息工程学院;2. 山东大学附属山东省千佛山医院睡眠医学中心;3. 山东中医药大学医学人工智能研究中心;4. 山东中医药大学青岛中医药科学院山 |
| |
基金项目: | 国家自然科学基金(61872225);;山东省自然科学基金项目(ZR2020ZD44); |
| |
摘 要: | 目的 针对癫痫脑电信号特征提取过程复杂、信息提取不充分及分类精度较低等问题,本文提出一种基于残差注意力神经网络模型(residual attention module neural network,RAM-Net)用于实现癫痫脑电信号的自动分类。方法 首先对脑电信号进行去噪和分段处理,使网络更有效提取细节特征;然后根据脑电信号在时频域幅值特点,将信号转换为二维时频图像作为模型输入;最后借鉴残差网络思想,在每个残差块中融合注意力机制,构建分类模型,在临床数据集上做验证。结果 该方法分类准确率为97.16%,精确率为97.00%,可实现癫痫发作、间期和正常状态的脑电信号三分类。结论 基于RAMNet的癫痫脑电信号分类方法将脑电信号转化为二维图像,降低了方法复杂度;融合注意力机制增强了网络的有效信息提取能力,可为癫痫临床辅助诊断提供一种新的分析思路和处理方法。
|
关 键 词: | 癫痫 脑电信号 时频分析 RAM-Net 注意力机制 残差网络 |
|