Numer: 07/2023 Str. 106
Autorzy: Brahim Cherouati , Mohamed Senouci :
Tytuł: Specyficzna dla pacjenta optymalizacja kanałów z wykorzystaniem entropii i głębokiego uczenia CNN do przewidywania napadów padaczkowych
Streszczenie: Przewidywanie napadów padaczkowych z wyprzedzeniem znacznie poprawia życie chorych na padaczkę. W tym artykule prezentujemy nowe podejście oparte na optymalizacji kanałów specyficznych dla pacjenta przy użyciu czterech różnych metod, a mianowicie entropii, wariancji, kurtozy i skośności. Po wybraniu trzech najlepszych kanałów dla każdej z metod, wykorzystujemy Neuronową Sieć Konwolucyjną (CNN) do klasyfikacji surowego sygnału EEG w celu rozróżnienia pomiędzy stanem międzynapadowym i przednapadowym. Dzięki entropii nasza metoda osiąga dobry stopień predykcji w zakresie dokładności 97,09%, czułości 97,67% i specyficzności 96,51% dla pacjenta 01 przy użyciu kanałów 4, 8 i 20.
Słowa kluczowe: predykcja napadów, EEG, entropia, CNN, klasyfikacja.