通过无监督域调整进行跨主体发作检测
Shuai Wang1, Hailing Feng1, Hongbin Lv1
1School of Information Science and Engineering, Shandong Normal University, Jinan 250358, P. R. China.
International journal of neural systems
|August 13, 2024
概括
这项研究引入了一种使用无监督域适应用于脑电图 (EEG) 数据的新型跨主体发作检测方法. 它有效地减少了患者特定的限制,提高了诊断的可扩展性.
科学领域:
- 生物医学工程 生物医学工程
- 机器学习 机器学习
- 神经学 神经学
背景情况:
- 通过脑电图 (EEG) 自动检测发作对于的诊断和治疗至关重要.
- 目前的患者特异性方法缺乏扩展性,无法用于更广泛的临床应用.
研究的目的:
- 为发电脑电图 (EEG) 数据开发一个跨主体发作检测方法.
- 用无监督域适应来克服患者特异模型的局限性.
主要方法:
- 利用卷积神经网络 (CNN) 进行浅层特征提取.
- 应用多核最大平均差异 (MK-MMD) 以尽量减少浅特征分布差距.
- 采用对抗式学习来实现深度特征对齐和通用性.
主要成果:
- 证明了跨主体发作检测的可行性.
- 验证了该方法在减少患者之间的领域差异方面的有效性.
- 在CHB-MIT和锡耶纳数据集的基于时代和基于事件的实验中取得了积极的结果.
结论:
- 拟议的无监督域适应方法提高了基于EEG的发作检测的可扩展性.
- 特征对齐技术有效地弥合了不同患者的领域差距.
- 这种方法有望为更普遍和更容易获得的管理工具提供希望.
