- 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)