SỬ DỤNG DEEP NEURAL NETWORKS PHÁT HIỆN GAI ĐỘNG KINH TRONG BẢN GHI EEG
114 lượt xemTừ khóa:
Mô hình học sâu; Mạng nơ ron; Học máy; Tín hiệu sinh học; Xử lý tín hiệu y sinh; Gai động kinh; Tín hiệu điện não (EEG).Tóm tắt
Deep Neural Networks là một thuật toán dạy cho máy học, là phương pháp nâng cao của mạng nơ-ron nhân tạo (Artificial Neural Networks) nhiều tầng để học biểu diễn mô hình đối tượng. Bài báo trình bày phương pháp để phát hiện spike tự động, giải quyết bài toán cho các bác sỹ khi phân tích dữ liệu khổng lồ được thu thập từ bản ghi điện não để xác định một khu vực của não gây ra chứng động kinh. Hàng triệu mẫu được phân tích thủ công đã được đào tạo lại để tìm các gai liêp tiếp phát ra từ vùng não bị ảnh hưởng. Để đánh giá phương pháp đề xuất, tác giả đã xây dựng hệ thống trong đó sử dụng một số mô hình deep learning đưa vào thử nghiệm hỗ trợ các bác sỹ khám phát hiện và chẩn đoán sớm bệnh.
Tài liệu tham khảo
[1]. Manyika J, Chui M, Brown B et al. “Big data: The next frontier for innovation, competition, and productivity”, 2011.
[2]. “Deep Mind Health”. Google DeepMind. https://www.deepmind.com/health, 2016.
[3]. Larranaga P, Calvo B, Santana R et al. “Machine learning in bioinformatics”. Briefings in bioinformatics 2006; 7(1): 86-112.
[4]. Schmidhuber J. “Deep learning in neural networks: An overview”. Neural networks 2015; 61:85- 117.
[5]. Leung MK, Delong A, Alipanahi B et al. “Machine Learning in Genomic Medicine: A Review of Computational Problems and Data Sets”, 2016.
[6]. Cheng-Wen Ko and Hsiao-Wen Chung. “Automatic spike detection via an artificial neural network using raw eeg data: effects of data preparation and implications in the limitations of online recognition”. Clinical neurophysiology, 111(3): 477–481, 2000.
[7]. A page from: Eric Hargreaves'Page O'Neuroplasticity (last updated July 2006). “Kindling: a model of focal epilepsy”.
[8]. Yung-Chun Liu, Chou-Ching K Lin, Jing-Jane Tsai, and Yung-Nien Sun. “Model-based spike detection of epileptic eeg data”. Sensors, 13(9):12536-12547, 2013.
[9]. Watanabe Y., Johnson RS., Butler LS., Binder DK., Spiegelman BM. Papaioannou VE., McNamara JO. (1996). “Null mutation of c-fos impairs structural and functional plasticities in the kindling model of epilepsy”. Journal of Neuroscience, 16 3827-36.
[10]. Racine, R.J. and Burnham, W.M. (1984). “The Kindling model”. In P.A. Schwartzkroin and H. Wheal (Eds) Electrophysiology of Epilepsy pp153-171.
[11]. Alexander Rosenberg Johansen, Jing Jin, Tomasz Maszczyk, Justin Dauwels, Sydney S Cash, and M Brandon Westover. “Epileptiform spike detection via convolutional neural networks”. In Acoustics, Speech and Signal Processing (ICASSP), 2016 IEEE International Conference on, pages 754-758. IEEE, 2016.
[12]. Christophe Andrieu, Nando De Freitas, Arnaud Doucet, and Michael I Jordan. “An introduction to mcmc for machine learning”. Machine learning, 50(1-2): 5-43, 2003.
[13]. He Sheng Liu, Tong Zhang, and Fu Sheng Yang. “A multistage, multimethod approach for automatic detection and classification of epileptiform EEG”. Biomedical Engineering, IEEE Transactions on, 49(12): 1557-1566, 2002.
[14]. Li Y, Shi W, Wasserman WW. “Genome-Wide Prediction of cis-Regulatory Regions Using Supervised Deep Learning Methods”. bioRxiv, 2016:041616.
