基于深度学习的癫痫发作预测方法研究

作     者：闵腾飞 臧天仪 MIN Tengfei;ZANG Tianyi

作者机构：哈尔滨工业大学计算机科学与技术学院哈尔滨150001 

出 版 物：《智能计算机与应用》 (Intelligent Computer and Applications)

年 卷 期：2020年第10卷第1期

页      面：294-300,303页

学科分类：0711[理学-系统科学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：癫痫 离散傅里叶变换(DFT) 卷积神经网络(CNN) 递归神经网络(RNN) 

摘      要：癫痫是一种常见的神经系统疾病,影响着全世界近1%的人。越来越多的人认识到,采用癫痫发作预警的闭环治疗策略,可以在一定程度上控制癫痫的发作。本文主要基于Kaggle癫痫预测EGG数据集,同时采用深度学习模型,对预测癫痫发作前片段的概率问题进行了实验性的研究。研究通过离散傅里叶变换(DFT)对数据集进行了预处理,并提出了利用两层卷积神经网络(CNN)提取频域和时间序列数据特征的模型,最终AUC指标为0.786,在504个队伍中排到第11位。同时,本文采用线性判别分析(LDA)和基本的递归神经网络(RNN)模型对此数据集进行了对比实验与分析。