基于多特征多关系图卷积神经网络的癫痫脑电分类

目的:提出一种基于多特征多关系图卷积神经网络的癫痫脑电分类方法,改进图卷积神经网络在癫痫脑电分类领域的应用,提升分类准确率.方法:分别提取癫痫脑电信号的1个频域特征、3个时频域特征和2个非线性动力学特征作为模型节点的特征.提取脑电通道之间的空间相似性和频谱相似性,融合两种通道相似性作为整体图节点之间的边关系矩阵.结果:在TUEP数据集上进行实验,准确率、精确率、召回率、F1分数、AUC结果分别为:0.87±0.02、0.91±0.04、0.82±0.04、0.86±0.02、0.90±0.03.结论:提出的模型与单特征和单关系的图卷积神经网络相比,对于癫痫脑电分类的提升效果明显.