YOLO 网络助力癫痫信号检测：精准高效的新利器

为解决长时监测脑电图（EEG）数据判读难题，研究人员评估 YOLO 网络，发现 YOLO-V4 性能最佳。

　　脑电图（EEG）是检测大脑癫痫放电的强大工具。但在长期监测中，由于需要检查的数据量巨大，进行视觉评估十分困难。深度学习网络，尤其是卷积网络，能快速高效地处理数据，还可检测复杂的癫痫波形，这启发研究人员评估 YOLO 网络用于棘波检测的可行性。研究人员对最常用的 YOLO 版本（V3、V4 和 V7）在多种癫痫信号上进行评估。首先，将癫痫放电波形标注为 9 种不同信号类型，并根据特征分为 4 组。在癫痫专家的指导下，研究使用了 20 名患者的脑电图数据。YOLO 网络针对 4 种不同的分类策略进行训练。结果发现，YOLO-V4 是最适宜的网络，在 4 种分类方法下，其平均灵敏度、特异性和准确率分别达到 96.7、94.3 和 92.8。YOLO 网络在癫痫信号检测中展现出良好效果，通过增加额外测量手段，有望成为癫痫专家的得力助手。此外，YOLO 网络不仅在脑电图癫痫信号检测中速度快、准确率高，还能将这些信号分类为不同形态。