基于残差注意力神经网络模型的癫痫脑电信号分类.pdf
《基于残差注意力神经网络模型的癫痫脑电信号分类.pdf》由会员分享,可在线阅读,更多相关《基于残差注意力神经网络模型的癫痫脑电信号分类.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 年 月北京生物医学工程 基于残差注意力神经网络模型的癫痫脑电信号分类刘敏 张魁星 李丽萍 徐娟娟 李翔,魏本征,摘 要 目的 针对癫痫脑电信号特征提取过程复杂、信息提取不充分及分类精度较低等问题,本文提出一种基于残差注意力神经网络模型(,)用于实现癫痫脑电信号的自动分类。方法 首先对脑电信号进行去噪和分段处理,使网络更有效提取细节特征;然后根据脑电信号在时频域幅值特点,将信号转换为二维时频图像作为模型输入;最后借鉴残差网络思想,在每个残差块中融合注意力机制,构建分类模型,在临床数据集上做验证。结果 该方法分类准确率为 ,精确率为 ,可实现癫痫发作、间期和正常状态的脑电信号三分类
2、。结论 基于 的癫痫脑电信号分类方法将脑电信号转化为二维图像,降低了方法复杂度;融合注意力机制增强了网络的有效信息提取能力,可为癫痫临床辅助诊断提供一种新的分析思路和处理方法。关键词 癫痫;脑电信号;时频分析;注意力机制;残差网络:中图分类号 文献标志码 文章编号()本文著录格式 刘敏,张魁星,李丽萍,等 基于残差注意力神经网络模型的癫痫脑电信号分类北京生物医学工程,():,():,;,;,;,:(:)【】,(),【】;();基金项目:国家自然科学基金()、山东省自然科学基金项目()、山东省研究生教育优质课程建设项目()资助作者单位:山东中医药大学智能与信息工程学院(济南)山东大学附属山东省千
3、佛山医院睡眠医学中心(济南)山东中医药大学医学人工智能研究中心(山东青岛)山东中医药大学青岛中医药科学院(山东青岛)通信作者:张魁星。:引言癫痫是最常见神经系统疾病之一,通常由大脑神经元突然异常放电引起。世界卫生组织报告表明,全世界约 万人患有癫痫。癫痫的典型特征是反复发作及无意识的身体抽搐等,若长期得不到有效控制,会诱发抑郁症、心血管病变或其他疾病,严重影响患者正常生活。脑电图(,)是一种广泛应用于脑电活动测量和癫痫诊断的无创技术,但癫痫患者脑电波形众多且变换复杂,目前主要依赖检查者主观判断,效率低下。因此,探索一种癫痫状态智能识别方法,辅助临床诊断,提高效率,对于控制患者病情发展具有重要意
4、义。近年来,随着人工智能的发展,众多学者提出了多种基于深度学习的癫痫脑电分析识别方法。等利用小波变换对脑电信号棘波、尖波等进行重构,使用最大相关性和最小冗余找出最优特征 集 作 为 卷 积 神 经 网 络(,)的输入,从而识别癫痫发作前的 信号。熊馨等将脑电信号样本熵、小波包能量和去趋势波动特征用于睡眠分期模型。汤云琪等采用小波变换提取脑电信号中的不同能量特征输入长短时记忆网络(,),实现对发作前和发作期的脑电信号分类,准确率为 。脑电信号为非平稳信号,单一时域或频域分析不能完全反映其特征。上述方法在一定程度上实现了脑电信号自动识别,但特征提取方法比较复杂。提取特征为时域或频域的某些特征,信息
5、提取不够充分。等将癫痫发作前和发作期脑电信号转化成时频图像,用构建的神经网络进行分类,准确率为。杨涌等利用多尺度小波变换将脑电信号转换成二维图像,采用 和 结合的网络结构,对癫痫发作和正常两种状态识别准确率为 。有研究表明在 中加入注意力机制可以使网络更有效提取细节特征,仝航等将多头注意力机制与双向 融合,对发作间期和发作期的信号分类准确度为。残 差 网 络(,)可有效抑制梯度消失或爆炸问题,孙红帅等将信号进行时频图像转换,然后设计了一种频域注意力机制,融合残差网络对时频图像进行分类,算法对正常和发作状态的分类精度为 。上述研究采用频谱图作为 的输入,使信息提取更加充分,且部分学者在已有研究基
6、础上融合注意力机制,有效提高了准确率。以上研究仅针对癫痫两种状态进行了识别验证,等先采用格拉姆求和角场技术将脑电信号成二维图像,利用 进行自动特征提取和分类任务,其中正常、癫痫间期和发作三种状态识别准确率达到 。等将连续小波变换应用于 信号,得到二维频率时间尺度图,然后利用 学习这些图像的特征并进行分类,三分类准确率为。他们对癫痫三种状态进行了分类识别,取得一定的成果,但准确率仍有待提高。针对以上研究存在的问题,本文提出一种基于残差注意力神经网络模型(,)的癫痫脑电信号自动分类方法。首先,为更好提取脑电细节信息,对脑电信号进行去噪和分段处理。将分段后信号直接转换为二维时频图像,进行时频分析,更
7、好地突出其特征,降北京生物医学工程 第 卷低方法复杂度。最后,构建了一种新的网络,借鉴残差网络思想在残差块中融合,同时关注空间和通道两方面的注意力机制,既能保存残差网络性能,又能有效提取脑电数据关键特征。通过临床数据和公开数据验证,本文提出的方法具有良好的泛化能力,能有效识别癫痫三种状态。可以帮助医生提高诊断效率,根据患者病情及时制定合适治疗方案,减轻患者痛苦。方法基于 的癫痫脑电信号分类模型主要包括信号预处理和信号自动分类两个模块,其中预处理模块包括去噪、分段和时频分析三部分。数据研究数据来源于山东省千佛山医院睡眠医学中心 名志愿者的脑电数据,由国际标准 电极记录,采样频率为 。数据由具有丰
8、富临床经验的医生剪切并标记,根据医生的标注信息,将脑电信号按每段 剪切下来分为 组,即发作状态信号、发作间期信号、正常状态信号,三种状态的 通道信号如图 所示。数据预处理 去噪及分段癫痫放电频率大多在 以下,本文使用通带范围为 的 阶零相位巴特沃斯滤波器对 信号进行去噪处理,该滤波器具有平稳的幅频特性,能够有效去除 信号采集过程中的噪声干扰。为有效提取信号的细节信息,以 不重叠的时间窗对各时期 信号进行分段截取扩充数据。整体过程如图 所示。时频分析短时傅里叶变换(,)是一种应用广泛且有效的时频分析方法。将脑电信号进行 处理后,可得到时频图像,既可保留信号中的时频信息,又方便进行图像转换和特征提
9、取。可定义为:(,)()()()式中:为时间;()为源信号;()是窗函数;为频率。由于癫痫 信号是非周期且不平稳的时间序列,直接对信号截断会产生频谱泄漏从而失去许多有用信息,为解决上述问题,本文窗函数选择图 数据 汉明窗,其幅频特性为房瓣较小,衰减较慢,使信号在时间轴上更容易分割。窗口长度设置为,为增加获取信息丰富度,以重叠 的方法滑动窗口,采用 点快速傅里叶变换。时频图像由图 所示:纵轴从上到下为频率从小到大,颜色代表脑电信号在该时段该频率的幅值大小,颜色越亮表明幅值越大。最终得到 组时频图像作为本文数据集,其中癫痫发作状态 张、发作间期 张、正常状态 张。将数据集按 的比例划分为训练集、测
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 注意力 神经网络 模型 癫痫 电信号 分类
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),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。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;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),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。