使用深度学习视觉检查来检测和定位EEG事件

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 脑电图 (EEG) 对于理解大脑活动至关重要,特定的波形,如睡眠和K-复合体,表明神经状态.
• 目前用于识别这些EEG事件的方法通常是专门的,并且具有性能限制.

研究的目的:

• 开发一种统一的AI模型,能够同时检测和定位睡眠和K-复合体.
• 模仿专家用于事件识别的视觉检查方法.

主要方法:

• 对象检测算法 (Faster R-CNN,YOLOv4,YOLOX) 和各种卷积神经网络 (CNN) 骨架的评估.
• 训练单个模型生成边界框,以便在EEG数据中精确地定位事件.

主要成果:

• 在检测睡眠和K-复合体方面取得了非常高的精度 (>95%mAP@50).
• 证明了模型使用边界框准确地划定事件位置的能力.

结论:

• 这种新的方法在识别关键EEG波形模式的传统方法上提供了显著的改进.
• 开发的模型为睡眠研究和神经障碍诊断提供了强大的工具.