SMARTSeiz:深度学习与注意力机制,用于在物联网医疗设备中准确识别发作

科学领域:

• 医学技术 医学技术 医学技术
• 人工智能的人工智能
• 神经科学是一个神经科学.

背景情况:

• 会影响所有年龄段的人,有不可预测的发作.
• 目前手动EEG分析是劳动密集型和具有挑战性的.
• 现有的自动化EEG分析在数据变化方面存在困难.

研究的目的:

• 开发一个自动化,准确的发作识别系统.
• 加强远程患者监测,以治疗.
• 为了利用物联网 (IoT) 为智能医疗保健.

主要方法:

• 一种混合深度学习模型,结合了卷积神经网络 (CNN) 和循环神经网络 (RNN).
• 整合一个注意力机制,专注于关键的EEG信号段.
• 对UCI发作识别数据集的评估.

主要成果:

• 在五类EEG识别中达到97.05%的准确性 (4正常,1发作).
• 在二进制分类 (发作与正常) 中达到99.52%的准确性.
• 与医疗物联网 (IoMT) 框架的兼容性得到证明.

结论:

• 拟议的混合人工智能模型为基于EEG的自动发作检测提供了一个复杂的解决方案.
• 这项技术可以通过加强监测,显著提高患者的生活质量.
• 该模型适合集成到基于云的IoMT医疗保健系统.