基于深度学习的儿童发作间期癫痫样放电检测研究.pdfVIP

44卷5期中国生物医学程学报Vol.44No.5

October2025

2025年10月ChineseJournalofBiomedicalEngineering

基于深度学习的儿童发作间期癫痫样放电检测研究

饶文豪陈多1#*张玲江军3

（南京中医药大学人工智能与信息技术学院，南京210000)

2（湖北科技学院生物医学工程与医学影像学院，湖北437100)

咸宁

3（华中科技大学同济医学院附属武汉儿童医院神经电生理室，武汉430010)

摘要：发作间期癫痫样放电（IED）对癫痫诊断至关重要，但脑电（EEG）信号的非平稳性使得IED检测复杂。传

统人工判读EEG存在主观性和耗时问题。随着机器学习和深度学习的发展，IED检测领域提出了计算机辅助模

型。基于卷积神经网络（CNN）的IED检测方法取得了不错的效果，但是CNN不易捕获时间序列中的远程依赖性。

而Transformer擅长通过采用自注意力机制来处理顺序数据，使其能够捕获长程依赖关系。本研究中提出了一种基

于Transformer的新型IED检测方法，该方法在使用简单卷积提取IED局部特征的基础上，再用Transformer进一步

对特征远程依赖性进行建模。并且针对IED数据的稀缺，还设计了一种新的基于Transformer的生成对抗网络

（GAN)来对IED数据进行增强。基于对11名小儿癫痫患者的分析，新方法在增强数据集的二分类任务上的平均

准确率达到96.11%、平均召回率97.08%和平均精确率93.85%。在多分类任务中的平均召回率达到93.47%，平

均精确率达到93.84%。该研究可为未来深度学习进一步在IED自动检测中的应用提供有价值的参考。

关键词：发作间期癫痫样放电检测；脑电图；Transformer；生成式对抗网络；深度学习

中图分类号：R318文献标志码：A文章编号：0258-8021(2025)05-0579-12

ResearchonDetectionofInterictalEpileptiformDischargesin

ChildrenBasedonDeepLearning

1#*

RaoWenhaoChenDuoZhangLingJiangJun

(SchoolofArtificialIntelligenceandInformationTechnology,NanjingUniversityofChineseMedicine,Nanjing210000,China)

2(SchoolofBiomedicalEngineeringandMedicalImaging,HubeiUniversityofScienceandTechnology,Xianning437100,Hubei,China)

(DepartmentofElectrophysiology,WuhanChildrensHospital,TongjiMedicalCollege,Huaz