基于注意力图池化的图卷积网络癫痫发作预测

摘要

对癫痫发作及时准确预测可在发作前对患者实施干预措施防止意外伤害。为提高癫痫发作预测的准确率，提出一种注意力图池化的图卷积神经网络模型，用于癫痫发作预测。将多导联脑电数据转换为图结构关系，设计改进的图卷积神经网络模型，通过嵌入注意力图池化，筛选重要节点信息，避免特征冗余，提高模型学习能力和稳健性。在此基础上，分析不同脑电节律、滑动时间窗口以及预测时长对癫痫预测的影响。仿真实验结果表明：采用4 s时间窗口0.5 s滑动步长，在癫痫发作前5 min预测可达到97.03%准确率，95.89%召回率，98.16%特异性和96.12%的F1值。该模型可以提高癫痫发作预测精度，具有较好泛化能力。

关键词

癫痫发作预测 / 脑电信号 / 图卷积神经网络 / 注意力图池化