Abstract：
针对传统手工制作脑电(EEG)信号特征所带来的性能较差问题,提出了一种基于深度学习的脑电特征检测方法.采用EEG片段分割和带通滤波作为数据预处理方法,并结合卷积神经网络与Transformer自动地提取脑电信号特征,进而利用10折交叉验证训练模型以评估其有效性.同时以CHB-MIT数据集对所提出的方法进行验证,得到了该方法对癫痫脑电信号的分类平均准确率为98.51%,平均灵敏度为98.13%,平均特异性则为98.93%.实验结果表明,所提方法避免了繁琐的特征提取过程,能够有效完成脑电信号的自动检测及分类任务.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电子设计工程
ISSN： 1674-6236
Year： 2024
Issue： 15
Volume： 32
Page： 156-160
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
