Deep Learning For Predicting Epileptic Seizures Using Eeg Signals
Résumé: Epileptic seizure prediction is a challenging problem which consists in identifying a seizureonset using electroencephalogram (EEG) signals, either by an experienced neurologist or automaticallyusing machine learning techniques. In this work, we will take advantage from recent advances of deeplearning techniques and propose two architectures. The first model is based on one dimensional convolutional neural network (1-D CNN) architecture that learns hierarchical representations of EEG with nopreprocessing steps. The second model is based on long term recurrent convolutional network (LRCN)which has the capacity to learn different representations of the spatiotemporal structure of EEG signal.Experimental results demonstrate the reliability of the models by achieving a mean Area Under Curve(AUC) Receiver Operating Characteristics (ROC) of 0.848 for 1-D CNN model, and 0.873 for LRCN model.
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
