基于CNN-LSTM模型的癫痫脑电信号识别方法
来源：化拓教育网
作者： 赵伟[1]
作者机构： [1]集美大学诚毅学院,福建厦门361021出版物刊名： 莆田学院学报页码： 69-74页年卷期： 2023年 第5期
主题词： 卷积神经网络;长短期记忆网络;癫痫;脑电信号
摘要：为提高癫痫脑电图（electroencephalography, EEG）信号识别的准确率，提出了一种将一维卷积神经网络（convolutional neural network, CNN）与长短期记忆网络（long short-term memory network, LSTM）相结合的新模型（CNN-LSTM模型）。首先采用3个卷积块来搭建CNN，用于提取EEG序列的局部内在特征；然后利用LSTM学习长期序列依赖关系；最后利用具有Softmax激活函数的全连接神经网络实现癫痫EEG信号的自动识别。采用德国波恩大学癫痫研究室的癫痫数据库中的数据进行实验分析。结果表明，CNN-LSTM模型具有良好的分类性能，平均分类准确率达到99.1%。
因篇幅问题不能全部显示，请点此查看更多更全内容