第４２卷第３期２０２３年６月北京生物医学工程ＢｅｉｊｉｎｇＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＶｏｌ４２Ｎｏ３Ｊｕｎｅ２０２３基于残差注意力神经网络模型的癫痫脑电信号分类刘敏１张魁星１李丽萍１徐娟娟２李翔３，４魏本征３，４摘要目的针对癫痫脑电信号特征提取过程复杂、信息提取不充分及分类精度较低等问题，本文提出一种基于残差注意力神经网络模型（ｒｅｓｉｄｕａｌａｔｔｅｎｔｉｏｎｍｏｄｕｌｅｎｅｕｒａｌｎｅｔｗｏｒｋ，ＲＡＭ⁃Ｎｅｔ）用于实现癫痫脑电信号的自动分类。方法首先对脑电信号进行去噪和分段处理，使网络更有效提取细节特征；然后根据脑电信号在时频域幅值特点，将信号转换为二维时频图像作为模型输入；最后借鉴残差网络思想，在每个残差块中融合注意力机制，构建分类模型，在临床数据集上做验证。结果该方法分类准确率为９７１６％，精确率为９７００％，可实现癫痫发作、间期和正常状态的脑电信号三分类。结论基于ＲＡＭ⁃Ｎｅｔ的癫痫脑电信号分类方法将脑电信号转化为二维图像，降低了方法复杂度；融合注意力机制增强了网络的有效信息提取能力，可为癫痫临床辅助诊断提供一种新的分析思路和处理方法。关键词癫痫；脑电信号；时频分析；ＲＡＭ⁃Ｎｅｔ；注意力机制；残差网络ＤＯＩ：１０３９６９／ｊ．ｉｓｓｎ．１００２－３２０８２０２３０３００８．中图分类号Ｒ３１８０４文献标志码Ａ文章编号１００２－３２０８（２０２３）０３－０２６３－０８本文著录格式刘敏，张魁星，李丽萍，等．基于残差注意力神经网络模型的癫痫脑电信号分类［Ｊ］．北京生物医学工程，２０２３，４２（３）：２６３－２７０．ＬＩＵＭｉｎ，ＺＨＡＮＧＫｕｉｘｉｎｇ，ＬＩＬｉｐｉｎｇ，ｅｔａｌ．ＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆｅｐｉｌｅｐｔｉｃＥＥＧｓｉｇｎａｌｓｂａｓｅｄｏｎｒｅｓｉｄｕａｌａｔｔｅｎｔｉｏｎｍｏｄｕｌｅｎｅｕｒａｌｎｅｔｗｏｒｋ［Ｊ］．ＢｅｉｊｉｎｇＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，２０２３，４２（３）：２６３－２７０．ＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆｅｐｉｌｅｐｔｉｃＥＥＧｓｉｇｎａｌｓｂａｓｅｄｏｎｒｅｓｉｄｕａｌａｔｔｅｎｔｉｏｎｍｏｄｕｌｅｎｅｕｒａｌｎｅｔｗｏｒｋＬＩＵＭｉｎ１，ＺＨＡＮＧＫｕｉｘｉｎｇ１，ＬＩＬｉｐｉｎｇ１，ＸＵＪｕａｎｊｕａｎ２，ＬＩＸｉａｎｇ３，４，ＷＥＩＢｅｎｚｈｅｎｇ３，...
