返回项目列表
武汉理工大学2025-06 至 2026-06
基于储备池计算的脑电癫痫发作检测方法研究
硕士科研课题
角色：核心负责人PythonPyTorchMNE-PythonScipy
背景痛点
癫痫发作具有突发性，如何从海量脑电信号中提前检测发作时点，并在保证精度的同时降低模型训练与部署成本，是临床落地的关键。
核心工作
1
数据预处理与工程
主导 1000+ 小时 CHB-MIT、Siena、TUH 三大国际临床脑电数据，完成工频去噪、带通滤波、重采样、标准化等，解决多源数据集采样率与导联异质性问题。
2
轻量化检测模型构建
设计基于储备池计算的临界点检测框架，提取滑动窗口读出层权重作为指纹动力学特征，规避深度网络的高训练成本。
3
严谨实验设计与验证
采用受试者独立交叉验证方法，模型平均检测准确率达 90%+，较主流 CNN/LSTM 训练成本降低 80%。
4
多维度评估体系搭建
构建「准确率 + 响应延迟 + 泛化性误差」三维评估标准，验证模型低功耗特性，为可穿戴设备部署提供依据。
量化成果
90%+
平均检测准确率
80%
训练成本降低
1000+ 小时
国际临床脑电数据