一维卷积神经网络的自编码癫痫发作异常检测模型

打开文本图片集

摘要：目的 将一维卷积神经网络（1DCNN） 作为自编码模型的特征提取网络，利用1DCNN对头皮脑电信号（EEG）局部特征的感知能力来提高自编码模型（AE）在低维特征空间的表达能力，提出一种简单高效的癫痫异常检测模型。方法 癫痫发作后会出现标志性的EEG波形变化，通过1DCNN的局部特征提取能力，捕捉正常信号的局部信息；利用正常数据训练自编码器，学习正常EEG数据在低维特征空间的表达，作为异常数据的癫痫EEG数据会脱离正常数据的低维特征空间，从而自编码模型无法有效地实现癫痫异常信号的重构；首先将输入和输出的差值作为异常分数值，然后通过ROC曲线的最优平衡点确定阈值，超过阈值的EEG信号被诊断为癫痫发作数据。（剩余15398字）