基于多尺度自适应残差网络的癫痫检测方法

摘要

针对现有癫痫检测方法输入数据单一、特征提取不充分问题，提出一种基于多尺度自适应残差网络的癫痫检测方法。该方法首先对脑电信号使用经验模态分解获得5阶固有模态函数（IMF）；接着将分解后的5阶IMF分别输入到多尺度自适应残差网络（MSAR）中，该网络结合CBAM-Residual和多尺度自适应卷积网络用于提取信号的多尺度时频信息以及细粒度特征；然后将MSAR提取的信号特征进行融合；最后输入到全连接层中实现分类。所提方法在CHB-MIT数据集的分类准确率达到98.94%，与现有方法相比取得了显著提升。

关键词

脑电信号 / 癫痫 / 经验模态分解 / 多尺度自适应残差网络 / 注意力机制

基金资助

国家自然科学基金（62101176）; 河南省高等学校大学生创新创业训练计划（202210460071）