Detecció d'atacs epilèptics en senyal EEG mitjançant xarxes neuronals convolucionals
| Autor: | Bauxell Cornet, Joaquim |
|---|---|
| Přispěvatelé: | Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions, University College, Cork, Nadeu Camprubí, Climent, Popovici, Emanuel, Temko, Andriy |
| Jazyk: | angličtina |
| Rok vydání: | 2022 |
| Předmět: |
Informàtica::Intel·ligència artificial::Aprenentatge automàtic [Àrees temàtiques de la UPC]
aprendizaje profundo Machine learning convolutional neural networks Aprenentatge automàtic deep learning Detectors Electroencephalography eeg transfer learning Electroencefalografia redes neuronales convolucionales |
| Popis: | Detection of child seizures from EEG signals using deep learning techniques and a database of multichannel EEG hospital recordings. Neonate seizure detection using tools such as machine learning is a well researched topic. However, there is still much to be known about how those detection models perform across different age ranges and if a generalised model is possible. In this project, parting from a state of the art neural network trained to detect seizures in neonates, its adaptability to a paediatrics dataset (from Children's Hospital Boston's EEG database, which consists of EEG scalp recordings from paediatric subjects) is going to be evaluated using different approaches, including transfer learning. At the same time, as it was also required for the development of the project, the setting up of the working environment and the design and training of a simpler convolutional neural network for inference on the edge in an embedded system have also been documented. La detección de ataques epilépticos en neonatos mediante herramientas como el aprendizaje profundo es un tema con una amplia literatura científica. Sin embargo, aún queda mucho por descubrir sobre el rendimiento de esos modelos de detección en diferentes rangos de edad y si es posible un modelo generalizado. En este proyecto, partiendo de una red neuronal de última generación entrenada para detectar ataques epilépticos en neonatos, se va a evaluar su adaptabilidad a un conjunto de grabaciones de pediatría (de la base de datos de EEG del Children's Hospital Boston) utilizando diferentes enfoques, incluido el aprendizaje por transferencia. Al mismo tiempo, al ser también necesario para el desarrollo del proyecto, se ha documentado la configuración del entorno de trabajo y el diseño y entrenamiento de una red neuronal convolucional más sencilla para su inferencia en tiempo real en un sistema embebido. La detecció d'atacs epilèptics en nounats mitjançant eines com l'aprenentatge profund és un tema amb una àmplia literatura científica. Tot i això, encara queda molt per descobrir sobre el rendiment d'aquests models de detecció en diferents rangs d'edat i sobre si és possible un model generalitzat. En aquest projecte, partint d'una xarxa neuronal d'última generació entrenada per detectar atacs epilèptics en nounats, s'avaluarà la seva adaptabilitat a un conjunt d'enregistraments de pediatria (de la base de dades d'EEG del Children's Hospital Boston) utilitzant diferents enfocaments, inclòs el transferiment d'aprenentatge. Alhora, al ser també necessari per al desenvolupament del projecte, s'ha documentat la configuració de l'entorn de treball i el disseny i l'entrenament d'una xarxa neuronal convolucional més senzilla per una inferència en temps real en un sistema incrustat. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|