基于残差注意力神经网络模型的癫痫脑电信号分类

目的针对癫痫脑电信号特征提取过程复杂、信息提取不充分及分类精度较低等问题,本文提出一种基于残差注意力神经网络模型(residual attention module neural network,RAM-Net)用于实现癫痫脑电信号的自动分类。方法首先对脑电信号进行去噪和分段处理,使网络更有效提取细节特征;然后根据脑电信号在时频域幅值特点,将信号转换为二维时频图像作为模型输入;最后借鉴残差网络思想,在每个残差块中融合注意力机制,构建分类模型,在临床数据集上做验证。结果该方法分类准确率为97.16%,精确率为97.00%,可实现癫痫发作、间期和正常状态的脑电信号三分类。结论基于RAM-Net的癫痫脑电信号分类方法将脑电信号转化为二维图像,降低了方法复杂度;融合注意力机制增强了网络的有效信息提取能力,可为癫痫临床辅助诊断提供一种新的分析思路和处理方法。