arXiv Artificial Intelligence· Ramya Sundaram, Muhammad Aslam Jarwar, M Uma, Sunder Ali Khowaja, Qurat-Ul-Ain Mastoi·· 18 小时前AI 评分22
面向模态无关的癫痫发作分类：统一 EEG 与 iEEG 信号的深度学习框架
Towards Modality-Agnostic Seizure Classification: A Unified Deep Learning Framework for Heterogeneous EEG and Intracranial EEG Signals
AI 导读
研究提出统一多模态信号协调框架 UMSH，将不同受试者和来源的 EEG 与 iEEG 记录整合进同一癫痫发作分类流程，以应对采样率和记录条件差异。该框架用 cGAN 生成合成样本缓解数据类别极度不平衡，并采用 EEGNet-ViT 提取局部判别特征与全局上下文信息。实验显示该框架可实现稳健的癫痫发作分类，作者认为 EEG-iEEG 多模态学习有望推进下一代癫痫监测与临床决策支持系统。
来源：arXiv Artificial Intelligence · arxiv.org