PulseAugur
中
实时 11:42:43
English(EN) EEG-FuseFormer: A Transformer-Driven Feature Fusion Framework for Seizure Onset Prediction

Transformer 模型以 98.85% 的召回率预测癫痫发作

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 EEG-FuseFormer，这是一个利用 Transformer 架构预测癫痫患者发作的新颖框架。该模型整合了来自 CNN-LSTM 和 ResNet-18 网络的特征，捕获了脑电图信号的时间和空间数据。在 CHB-MIT 数据集上进行测试，EEG-FuseFormer 达到了 98.85% 的高召回率，优于现有方法，并在跨患者场景中展示了强大的泛化能力。 AI

影响 提高了癫痫发作预测的准确性，有可能通过早期预警改善患者安全和生活质量。

排序理由 该集群包含一篇描述新模型及其在基准数据集上性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Vigneshwar Hariharan (National University of Singapore), Chithra Reghuvaran (University College Dublin), Arlene John (University of Twente), Nhat Pham (Cardiff University), Omer Rana (Cardiff University), Deepu John (University College Dublin), Ganesh Ne… ·

    EEG-FuseFormer: A Transformer-Driven Feature Fusion Framework for Seizure Onset Prediction

    arXiv:2606.02166v1 Announce Type: new Abstract: Epilepsy is one of the most common neurological disorders globally, characterized by recurring seizures and significantly impacting the quality of life. Despite advancements in diagnostic techniques, the mitigation of risks faced by…

相关实体

相关话题