基于Bi-LSTM-Attention的癫痫发作检测方法

本文针对癫痫脑电图(EEG)信号中的发作检测问题,分析了癫痫患者EEG信号中的特异性特征,在传统EEG信号时频域基础上提出了改进的脑网络特征。本文对EEG信号进行分解,并重构了EEG信号,发现在重构信号上癫痫发作和癫痫未发作表现出较大差异。因此在重构EEG信号上通过皮尔逊系数(PCC)构建脑网络,并在该网络上提取脑网络特征,最后将这些特征输入Bi-LSTM-Attention混合网络检测癫痫发作。该网络可以筛选出对癫痫发作检测结果具有决定性因素的特征,捕捉EEG时间序列中最重要的信息。为了评估本文的方法,在公开的CHB-MIT数据集上进行实验,获得了96.20%的准确率、96.80%的特异性和95.31%的敏感性,实验结果表明该方法在癫痫发作检测这个任务上具有不错的性能。