Long Short-Term Memory (LSTM) based Epileptic Seizure Recognition
Rattachement africain : in, np. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Epilepsy is the second most common brain disorder after migraine; automatic detection of epileptic seizures can considerably improve the patients" quality of life.Current Electroencephalogram (EEG)-based seizure detection systems encounter many challenges in real-life situations; EEG data are prone to numerous noise types that negatively affect the detection accuracy of epileptic seizures.To address this challenge, we propose a deep learning-based approach that learns the discriminative EEG features of epileptic seizures and to distinguish between the different types of patient recordings.More specifically, we aim to tackle this issue by using a Long Short-Term Memory network, and explore the capabilities of this model.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Long Short-Term Memory (LSTM) based Epileptic Seizure Recognition
- Date Crossref
- 19/07/2022
- Éditeur
- Foundation of Computer Science
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.