TY -的A2 Fornaro米歇尔盟——隋Linfeng盟——赵,旭扬盟——赵Qibin盟,田中Toshihisa AU -曹,班PY - 2021 DA - 2021/04/28 TI -混合卷积神经网络对癫痫病灶定位基于iEEG SP - 6644365六世- 2021 AB -癫痫病灶定位通过分析颅内脑电图(iEEG)中扮演着一个关键的角色在成功致癫痫的病灶切除的手术治疗。然而,手动iEEG信号的分析和分类,临床医生是艰苦和耗时的和过度依赖于经验。由于患者的个体差异,iEEG信号从不同的病人通常显示了非常不同的特性,即使属于同一类的特性。因此,自动检测所需的癫痫的重点是提高精度和缩短治疗的时间。在本文中,我们提出一个新颖的特性fusion-based iEEG分类方法,深入学习模型称为时频混合网络(TF-HybridNet)、短时傅里叶变换(STFT)和一维卷积层上执行并行输入iEEG提取时频域的特性和特征图谱。然后,时频特性和特征图融合和美联储二维卷积神经网络(CNN)。我们使用了Bern-Barcelona iEEG数据集评估TF-HybridNet的性能,实验结果表明,我们的方法是能够区分的焦nonfocal iEEG信号平均分类精度为94.3%,演示了一种改进的模型相比,准确率仅使用STFT或一维卷积层作为特征提取。SN - 2090 - 5904 UR - https://doi.org/10.1155/2021/6644365 - 10.1155 / 2021/6644365摩根富林明神经可塑性PB - Hindawi KW - ER