Coherence Matrix based Early Infantile EpilepticEncephalopathy Analysis with ResNet
作者：Yaohui Chen，Xiaonan Cui，Runze Zheng，Yuanmeng Feng，Tiejia Jiang，Feng Gao，Danping Wang，Jiuwen Cao
会议：第七届认知系统与信息处理国际会议（ICCSIP2022 ）
EIEE综合征被称为早期婴儿癫痫性脑病，被认为是年龄依赖性癫痫性脑病的最早发病形式。主要表现为婴儿早期的强直性痉挛性发作，伴有突发抑制性脑电图（EEG）模式和严重的精神运动障碍，在某些情况下伴有结构性脑损伤。针对EIEE综合征，本文对发作前、发作和发作后三个不同时期的脑电图特征进行了全面分析。提取相干性特征来表征EIEE综合征中的EEG信号，并使用Kruskal-Wallis H检验和梯度加权类激活映射（Grad-CAM）来研究和可视化不同频带中特征的意义，以区分这三个阶段。研究发现，癫痫发作期间，颞区和中枢区的活动同步性在γ带显著降低。γ波段的相干性特征用于ResNet18的癫痫发作检测模型，准确率达到91.86%。据信，γ带的变化可以被认为是EIEE综合征发作周期变化的生物标志物。
算法核心框架：
Roc曲线：
Transfer Learning based Seizure Detection: A Review
作者：Xiaonan Cui，Jiuwen Cao，Tiejia Jiang，Feng Gao
会议：ICCCS 2022
脑电图的特点高度受年龄、性别等不同个体差异的影响，这导致基于训练和测试数据同分布假定的传统癫痫发作检测模型的泛化性能低和重复利用性差。为了克服个体差异，以及减少训练数据的需求，迁移学习被应用于此，利用相关域的知识，如数据特征、模型参数等辅助新领域的学习。本文详细介绍了迁移学习在癫痫发作检测中实际应用的三种主要方法，并对基于迁移学习的癫痫发作检测研究领域的未来研究方向进行展望。
Incremental Quaternion Random Neural Networks
作者：Xiaonan Cui，Tianlei Wang，Hao Chen，Baiying Lei，Pierre-Paul Vidal，Jiuwen Cao
会议：第七届认知系统与信息处理国际会议（ICCSIP2022 ）
本文提出了一种基于超限学习机的增量四元数随机神经网络IQ-ELM。为了充分利用四元数随机变量的二阶 Q-properness统计量，将增广四元数向量进一步应用于 IQELM (IAQ-ELM)以进行超复杂数据学习。在多维混沌系统回归、飞行器轨迹跟踪、人脸和图像识别等方面验证了IQ-ELM和IAQ-ELM的有效性。
A Novel Multi-task Learning based Automatic Speech Impairment Assessment Algorithm
作者：Yu Ge, Tianlei Wang, Jiuwen Cao† , Senior Member, IEEE, Siyu Xu
会议：China Automation Congress 2022
语言障碍是大脑特定区域的功能障碍，通常由中风或其他神经系统疾病引起。常见的语言障碍包括失语症、构音障碍、口吃等。目前语音障碍的评估方法主要依赖于语言病理学家，而语音障碍自动评估，特别是严重程度评分的研究较少。
因此，本文首先建立了一个严重程度评分的回归任务。同时，对严重程度的分类任务仍然保留，形成了语言障碍评估的多任务学习框架。分类任务为模型提供了额外的约束，从而可以获得更好的表示学习能力。在此基础上，构造了残差网络(ResNet)和循环神经网络(LSTM)组成的新型骨干网络来捕捉语谱图中频率和能量的变化，并根据上下文来学习语境出现的语无伦次和模棱两可等特征。最后提出了联合交叉熵和均方误差的多任务损失函数。实验在中文脑卒中语音数据集（Mandarin AphasiaBank）上进行，我们提出的多任务模型在预测中抑制了大多数离群值，获得较高的性能指标，这是单一回归任务所不能达到的效果。此外在多任务模型中辅助分类任务也获得了较高的精度，证明我们采用的两种的任务是相互促进的。
核心算法框架图：
实验预测结果图：
