arXiv cs.LG· Ramya Sundaram, Muhammad Aslam Jarwar, M Uma, Sunder Ali Khowaja, Qurat-Ul-Ain Mastoi·· 7 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
研究者提出统一多模态信号协调框架 UMSH，将不同采样率和记录条件下的 EEG 与 iEEG 信号整合，实现跨模态癫痫发作分类。该框架采用 cGAN 生成合成样本以缓解数据类别极度不平衡，并用 EEGNet-ViT 提取局部判别特征与全局上下文信息。实验表明该框架在癫痫分类上表现稳健，凸显 EEG-iEEG 多模态学习在下一代癫痫监测与临床决策支持中的潜力。
来源：arXiv cs.LG · arxiv.org