頭皮腦電波信號在癲癇診斷中的應(yīng)用已經(jīng)得到了深入的研究和發(fā)展。然而,以往的研究很少將建模的關(guān)注點放在癲癇的物理表現(xiàn)上,同時忽略了腦電波信號中存在的圖結(jié)構(gòu)信息。當(dāng)癲癇發(fā)作時,癲癇灶附近的安置在頭皮上的電極會出現(xiàn)明顯且一致的電壓變化,因此如何對相鄰的電極進行卷積并提取高層次特征是工作的關(guān)鍵。論文提出了一種基于層次圖卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的癲癇檢測方法,從原始腦電信號中提取多個時域和頻域特征作為層次圖卷積神經(jīng)網(wǎng)絡(luò)的輸入,層次圖卷積神經(jīng)網(wǎng)絡(luò)再通過頭皮上電極之間的位置關(guān)系提取高層次的區(qū)域特征,同時對縱橫兩種電極間的相鄰關(guān)系分別處理,從而完成對多種分類任務(wù)的預(yù)測。另一方面,論文提出了一種樹形分類方法以提高模型在多種分類任務(wù)下的穩(wěn)健性。論文在波士頓兒童醫(yī)院CHB-MIT數(shù)據(jù)集和坦普爾大學(xué)醫(yī)院TUH數(shù)據(jù)集上進行了多項驗證實驗。在CHB-MIT數(shù)據(jù)集中,論文的模型在癲癇發(fā)作5分類任務(wù)中的準(zhǔn)確率比現(xiàn)有最優(yōu)模型提高了5.77%,在TUH數(shù)據(jù)集中,論文的模型在癲癇發(fā)作2分類任務(wù)中的靈敏度和特異度比現(xiàn)有最優(yōu)模型提高了2.43%和19.70%。 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

卷積運算示意圖

浙江大學(xué)碩士學(xué)位論文基礎(chǔ)方法21a-σσTanhσXX+XTanhCt-1ht-1ftitCtxtothtCtht圖2.7LSTM循環(huán)細胞示意圖輸入門的設(shè)計由兩部分構(gòu)成。通過當(dāng)前時間步的兩部分輸入和估計接收多少輸入信息，再將輸入和轉(zhuǎn)化為候選狀態(tài)。如圖2.8所示σσXX+XTanhCt-1ht-1ftothtCtσTanhitCtxtht圖2.8LSTM輸入門示意圖有公式如下：=([,]+)(2.14)=tanh([,]+)(2.15)遺忘門用于估計遺忘多少上一個時間步1的狀態(tài)。其估計的依據(jù)也是當(dāng)前時間步的兩部分輸入和。如圖2.9所示

浙江大學(xué)碩士學(xué)位論文基礎(chǔ)方法21a-σσTanhσXX+XTanhCt-1ht-1ftitCtxtothtCtht圖2.7LSTM循環(huán)細胞示意圖輸入門的設(shè)計由兩部分構(gòu)成。通過當(dāng)前時間步的兩部分輸入和估計接收多少輸入信息，再將輸入和轉(zhuǎn)化為候選狀態(tài)。如圖2.8所示σσXX+XTanhCt-1ht-1ftothtCtσTanhitCtxtht圖2.8LSTM輸入門示意圖有公式如下：=([,]+)(2.14)=tanh([,]+)(2.15)遺忘門用于估計遺忘多少上一個時間步1的狀態(tài)。其估計的依據(jù)也是當(dāng)前時間步的兩部分輸入和。如圖2.9所示


本文編號：3517945