原创力文档- 1、本文档共68页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
目录
摘要III
AbstractV
1绪论1
1.1研究背景及意义1
1.1.1研究背景1
1.1.2研究意义3
1.2癫痫发作检测国内外研究现状4
1.2.1基于人工特征的癫痫检测4
1.2.2基于深度学习的癫痫发作检测5
1.3论文研究内容及创新点9
1.3.1研究内容9
1.3.2创新点10
1.4本论文的组织架构11
1.5本章小结11
2脑电信号及数据集介绍13
2.1脑电信号概述13
2.2癫痫脑电信号14
2.3CHB-MIT数据集16
3基于自监督对比学习和注意机制的癫痫发作检测方法18
3.1整体架构18
3.2数据预处理19
3.3信号变换20
3.4自监督对比学习框架20
3.5Transformer网络模型搭建21
3.6实验与结果分析23
3.6.1实验设置与评估指标23
3.6.2患者间的实验24
3.6.3跨患者实验27
3.7本章小结30
4基于自监督注意力LTformer的癫痫发作检测研究31
4.1模型整体结构31
4.2信号变换32
4.3自监督注意力LTformer33
4.3.1L-流34
4.3.2LTformer编码器34
4.3.3A-流37
4.4网络训练38
4.5实验结果及分析39
4.5.1实验细节39
4.5.2患者间的实验39
4.5.3患者间实验结果的可视化41
4.5.4患者间实验结果与当前先进方法的对比44
4.5.5跨患者的实验44
4.6本章小结48
5总结与展望50
5.1总结50
5.2展望51
参考文献53
致谢61
攻读学位期间发表的学术论著62
摘要
癫痫是一种常见的神经系统疾病，严重影响患者的生活质量和社会功能。癫痫发作
由脑部神经元阵发性异常电活动导致的一种短暂的神经功能障碍，表现为意识、运动、
感觉、情感、认知等方面的改变。癫痫发作的时间和时长具有不确定性，且发作类型和
过程多种多样，发作过程都不相同。并可能导致患者身体、心理、社会和经济方面的问
题。及时准确地检测出癫痫发作，能够辅助癫痫的诊断和治疗，提高患者的生活质量。
基于脑电图（Electroencephalograph，EEG)的癫痫发作自动检测技术主要包括从脑电
信号中提取有效特征，并使用适当的分类器进行分类。传统方法通常依赖人工设计的特
征，这些特征过度依赖人工经验和先验知识，且分类性能受数据质量和数量的限制。尽
管基于深度学习的癫痫检测方法在特征提取和分类方面取得了进展，但仍存在问题。首
先，现有方法无法完全捕获EEG信号的长时期依赖关系，导致提取的脑电特征描述能力
不足。其次，现有方法通常需要带标记数据进行监督训练，标记癫痫数据耗时长且严重
依赖标注者的主观经验，给算法的临床应用带来了挑战。为了解决以上问题，本文进行
了如下研究：
(1)针对数据标记不足和长时间依赖关系难以提取的问题，提出了基于注意力机制的
自监督对比学习癫痫检测方法SLAM(Self-supervisedLearningwithAttentionMechanism)。
文档评论（0）