-
图 1 本文提出的多级上下文深度卷积自编码器结构图
Figure 1.
-
图 2 不同特征表示模型在CHB-MIT和UCD数据库上的ROC和PR曲线
Figure 2.
-
图 3 不同特征学习模型在CHB-MIT数据库上对不同超参数配置的影响
Figure 3.
-
图 4 不同特征学习模型在UCD数据库上对不同超参数配置对的影响
Figure 4.
-
编码单元 卷积层 非线性变换 池化层 元内编码单元 $1 \times 3 \times 16$ ReLU $1 \times 2$ 元间编码单元 $C \times 3 \times 8$ ReLU $1 \times 2$ 解码单元 反卷积层 非线性变换 反池化层 元间解码单元 $C \times 3 \times 8$ ReLU $1 \times 2$ 元内解码单元 $1 \times 3 \times 16$ ReLU $1 \times 2$ 表 1 多元卷积自编码模块具体配置参数
-
方法 AUC-ROC AUC-PR F1分子 准确率 PCA 0.8291 ± 0.0434 0.7021 ± 0.0872 0.6421 ± 0.0223 0.8768 ± 0.0223 SAE 0.5934 ± 0.0377 0.4180 ± 0.1189 0.0668 ± 0.0415 0.7987 ± 0.0309 CAE 0.8657 ± 0.0305 0.7646 ± 0.0881 0.6277 ± 0.1246 0.8690 ± 0.0267 Med2Vec 0.8155 ± 0.1181 0.5870 ± 0.1670 0.6066 ± 0.2363 0.8351 ± 0.0359 Skip-gram+ 0.9090 ± 0.0356 0.7467 ± 0.1540 0.6288 ± 0.2040 0.8898 ± 0.0173 CtxFusionEEG 0.9287 ± 0.0306 0.7833 ± 0.1147 0.7202 ± 0.1485 0.9025 ± 0.0104 Wave2Vec 0.9035 ± 0.0371 0.8839 ± 0.0261 0.8267 ± 0.0184 0.9210 ± 0.0099 m-CAE 0.8946 ± 0.0401 0.8727 ± 0.0189 0.8417 ± 0.0131 0.9324 ± 0.0058 mCtx-CAE 0.9372 ± 0.0495 0.8980 ± 0.0333 0.8493 ± 0.0191 0.9412 ± 0.0110 表 2 CHB-MIT数据库上的方法比较结果
-
方法 AUC-ROC AUC-PR F1分数 准确率 PCA 0.8177 ± 0.0142 0.5764 ± 0.0172 0.5204 ± 0.0275 0.6193 ± 0.0638 SAE 0.7068 ± 0.1372 0.4965 ± 0.0951 0.2760 ± 0.1815 0.4917 ± 0.1364 CAE 0.8386 ± 0.0376 0.5710 ± 0.0429 0.5180 ± 0.0701 0.6208 ± 0.0961 Med2Vec 0.7479 ± 0.0796 0.4836 ± 0.1046 0.3997 ± 0.1361 0.5619 ± 0.0619 Skip-gram+ 0.8010 ± 0.0992 0.5406 ± 0.0995 0.4342 ± 0.1731 0.5884 ± 0.1077 CtxFusionEEG 0.7941 ± 0.1485 0.6358 ± 0.0709 0.5171 ± 0.1994 0.6375 ± 0.1074 Wave2Vec 0.8161 ± 0.0507 0.5984 ± 0.0698 0.5268 ± 0.0661 0.6408 ± 0.0723 m-CAE 0.8446 ± 0.0361 0.5727 ± 0.0215 0.5600 ± 0.0482 0.6562 ± 0.0767 mCtx-CAE 0.8648 ± 0.0258 0.6423 ± 0.0452 0.5655 ± 0.0228 0.6734 ± 0.0562 表 3 UCD数据库上的方法比较结果
图共
4 个 表共
3 个
