Mixture of Expert System for IESS Detection Based on EEG Signal

基于脑电信号的IESS检测混合专家系统

王宗^{1, 2} , 付立军^{1, 3}, 杨光^{4, 5, 6}，万林^{4, 5}，常志军⁷

（1. 中国科学院 沈阳计算技术研究所, 沈阳110168；2. 中国科学院大学, 北京 100049；3. 山东大学 大数据技术与认知智能实验室, 济南 250100；4. 解放军总医院 儿科医学部，北京100700；5. 解放军总医院 第一医学中心儿科，北京100853；6. 南方医科大学 第二临床医学院，广州510280；7. 中国科学院文献情报中心，北京100190）

摘要：儿童癫痫在医学诊断和治疗方面具有重大挑战，尤其是涉及到婴儿癫痫痉挛综合征（IESS）。该疾病的特点是癫痫发作时间较短、波形不明显，这使得人工检测癫痫发作变得复杂。为了应对这些挑战，提出了一种新的混合专家模型（MOE）来辅助脑电技术人员的工作。该模型利用一组子数据专家通过3D ResNet网络进行操作，以增强对IESS发作信号的检测。具体地，提出一种无监督聚类方法将脑电信号划分为若干平衡的子数据域，以解决IESS发作数据与非发作数据之间的不平衡性问题。IESS MOE模型由一个控制输入和输出的导航网络以及一些选择性地对子专家数据域做出判断的子专家网络组成。使用PLA IESS数据集进行基于无监督学习的子模型之间的数据划分和后续专家模型建模。在19个跨个体患者数据集上进行外部验证时，将IESS MOE模型与来自不同水平医疗中心6名人类专家表现进行比较。最后测试结果显示：IESS MOE模型达到了0.5393 的灵敏度，在超过人类专家0.5143平均水平的同时保持0.9050的高特异性和0.6758的F1值，证实了其优越泛化能力。所提出的模型可以帮助人类专家监测与IESS相关事件。

关键词: 婴儿癫痫痉挛综合征, 混合专家系统, 脑电图, 癫痫发作识别

点击分享码全文pdf浏览：https://rdcu.be/dTVQE

Wang, Z., Fu, L., Yang, G. et al. Mixture of Expert System for IESS Detection Based on EEG Signal. J. Shanghai Jiaotong Univ. (Sci.) (2024). https://doi.org/10.1007/s12204-024-2771-7

《上海交通大学学报（英文版）》是由教育部主管、上海交通大学主办的自然科学综合性学术期刊，被 EI、Scopus等检索系统收录。主要刊登反映基础理论和工程领域实验研究的最新成果，如电子工程和自动化、计算机和通信工程、船舶海洋和建筑工程、材料科学与工程以及生物医学工程等。从 2021 年开始，《上海交通大学学报（英文版）》主要刊登医工交叉研究和人工智能及其在工程中的应用成果。 

英文版主页：https://xuebao.sjtu.edu.cn/sjtu_en/EN/1007-1172/home.shtml

英文版 on Springer：https://link.springer.com/journal/12204