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I
AbstractIII
第一章绪论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2
1.2相关研究现状3
1.2.1基于人工的癫痫发作预测3
1.2.2基于机器学习的癫痫发作预测4
1.2.3基于深度学习的癫痫发作预测4
1.3研究内容和创新点6
1.3.1研究内容6
1.3.2创新点7
1.4论文组织结构8
第二章癫痫脑电数据集9
2.1CHB-MIT数据集9
2.2Siena数据集10
第三章基于SwinTransformer和2DCNN的癫痫发作预测12
3.1模型整体架构12
3.2SwinTransformer块13
3.32D卷积块15
3.4实验和结果分析15
3.4.1实验数据预处理15
3.4.2实验设置18
3.4.3评估指标18
3.4.4特定患者的癫痫预测结果19
3.4.5消融实验20
3.4.6T-SNE可视化22
3.4.7与其他工作的比较24
3.5本章小结25
第四章基于监督对比学习的癫痫发作预测26
4.1监督对比学习网络架构26
4.2孪生神经网络26
4.3三分支神经网络28
4.4实验和结果分析29
4.4.1数据处理29
4.4.2实验设置和评估30
4.4.3实验结果整体评估31
4.4.4消融实验32
4.4.5与其他工作对比34
4.4.6可解释性35
4.5本章小结36
第五章跨病人多私有源域无监督域适应癫痫预测37
5.1MPS-UDA整体架构37
5.2私有源域模型生成37
5.3知识自蒸馏和结构正则化39
5.4微调40
5.5实验和结果分析41
5.5.1预处理41
5.5.2后处理42
5.5.3模型超参数设置42
5.5.4实验结果43
5.5.5消融实验44
5.6本章小结47
第六章总结与展望48
6.1总结48
6.2展望49
参考文献50
致谢60
攻读硕士学位期间的主要成果61
摘要
癫痫是一种广泛存在的疾病，对个人，家庭和社会产生诸多不利影响。基于头皮脑电
（Electroencephalogram，EEG）的癫痫发作预测能够保障癫痫患者的人身安全，减轻患者
的焦虑。从最初的人工预测，到基于机器学习的算法，再到基于深度学习的算法，大量
癫痫发作预测方法被提出。然而，现有的预测方法往往只关注局部特征和短时依赖信息，
无法捕捉EEG数据的全局特征和长时依赖信息。其次，现有的研究着力于不断提高模型
的预测性能，忽视了模型的实用价值。复杂的模型结构和庞大的运算量使得这些算法难
以部署在可移动预测设备上。最后，现有的方法大多是基于特定病人的，难以应用于新
增病人的癫痫发作预测。因此，不依赖于患者的癫痫发作预测方法成为一个备受重视的
研究领域。同时，如何在使用已标记病人数据训练模型的过程中保护患者隐私也是一个
不可忽视的问题。
本文提出了三个研究方案以解决上述三个问题，主要研究内容如下：
（1）针对现有方法无法捕捉
文档评论（0）