文件名称:基于可调Q因子小波变换的癫痫脑电信号检测方法
文件大小:2.58MB
文件格式:PDF
更新时间:2024-07-27 09:11:02
神经网络深度学习
针对癫痫脑电信号的检测问题,提出一种基于可调Q因子小波变换和迁移学习的癫痫脑电信号检测方法。首先,对EEG信号进行可调Q因子小波变换,并选择能量差异较大的子带进行部分重构,重排重构信号,将其表示为二维彩色图像数据;其次,通过对现有的癫痫发作自动检测算法和深度可分离卷积网络Ⅹ cepTIon模型的分析,使用 Imagenet数据集分类的预训练模型参数进行网络参数初始仳,得到深度可分离卷积网络Ⅹ cepTIon的预训练模型;最后,利用迁移学习方法将 XcepTIon模型的预训练结釆迁移至癲痫发作自动检测任务。所提方法在BONN癫痫数据集上的准确度达到99.37%,敏感度达到100%,特异度达到98.48%,证明了该模型在癫痫发作自动检测任务上具有良妤的泛化能力。与传统检测方法和其他深度学习方法相比,所提自动检测方法达到了较高的准确率,避免了人工设计和提取特征的过程,具有较好的应用价值。