用于癫痫发作预测的卷积神经网络

癫痫是最常见的神经系统疾病之一，准确预测癫痫发作有助于克服患者的不确定性和无助感。在本研究中，我们提出并讨论了一种用于癫痫发作预测的颅内脑电图（iEEG）分类的新方法。与以往的方法不同，我们明确避免了手工提取特征，而是采用卷积神经网络（CNN）架构来确定合适的信号特征并进行发作前期（preictal）和发作间期（interictal）段的二分类。我们对四个狗和三个患者提供的长期记录的公开数据集进行了三种不同模型的评估。总体而言，我们的研究结果证明了该方法的普遍适用性。本文还讨论了该方法的优势和局限性。