- 1、本文档共61页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(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。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
目录
摘要I
ABSTRACTIII
第一章绪论1
1.1研究背景与意义1
1.2国内外研究现状3
1.2.1基于卷积神经网络的iEEG分类方法3
1.2.2基于循环神经网络的iEEG分类方法3
1.2.3基于注意力机制的iEEG分类方法4
1.2.4基于半监督学习的iEEG分类方法4
1.3研究内容和创新点5
1.3.1研究内容5
1.3.2创新点6
1.4本文组织结构7
第二章iEEG分类的理论基础8
2.1引言8
2.2深度学习的基本概念8
2.3深度学习相关理论基础8
2.3.1卷积神经网络8
2.3.2循环神经网络11
2.3.3注意力机制13
2.4半监督学习16
第三章基于CNN和Transformer的iEEG分类方法19
3.1引言19
3.2IEEG-CT模型总体设计19
3.3IEEG-CT子模块设计20
3.3.1卷积模块20
3.3.2多头注意力模块22
3.3.3分类器24
3.4实验24
3.4.1数据集介绍24
3.4.2实验设置及评估指标26
3.4.3实验结果与分析28
3.4.4消融实验30
3.5本章小结31
第四章基于注意力机制和半监督学习的iEEG分类方法32
4.1引言32
4.2IEEG-ASP模型总体设计32
4.3AttNN模型设计33
4.3.1AttNN模型架构33
4.3.2特征提取模块34
4.3.3时间信息提取模块37
4.3.4分类器38
4.4半监督学习流程39
4.5实验40
4.5.1数据集介绍40
4.5.2实验设置及评估指标41
4.5.3实验结果与分析42
4.5.4消融实验43
4.6本章小结45
第五章总结和展望46
5.1本文总结46
5.2工作展望47
参考文献48
攻读硕士学位期间论文发表及科研情况53
致谢54
摘要
癫痫是一种神经系统疾病,其特征是由异常脑电活动引起的突发性、非自愿性的意识、
行为、感觉或运动异常。脑电图是一种记录大脑放电活动的模式,通过记录时间序列可以
有效反映癫痫患者的情况。根据电极的位置不同,脑电图可分为头皮脑电图
(Electroencephalography,EEG)和颅内脑电图(IntracranialEEG,iEEG)两种。EEG记录
信号时将电极放置在头皮上,而iEEG则直接将电极植入人类大脑以记录信号。对于耐药
性癫痫患者,iEEG是一种关键、有效且相对安全的方法,在手术前准确识别癫痫发生区域
具有重要意义。
早期癫痫发作的检查通常需要电生理学家进行目视观察,这种方法费时费力,并且容
易受到电生理学家主观经验的影响。因此,需要一种自动检测方法来进行iEEG信号的临
床检测。近年来,深度学习方法在iEEG自动分类方面取得了显著的进展。然而,仍然存
在一些限制,例如,iEEG分类方法准确率较低,以及如何有效利用无标签iEEG数据进行
模型训练等问题。针对以上问题,本文研究
文档评论(0)