Interictal EEG Based Prediction Of ACTH Efficacy In Infantile Epileptic Spasms
作者：Tianci Jiang, Runze Zheng, Yuanmeng Feng, Dinghan Hu, Feng Gao, and Jiuwen Cao
会议：第八届认知系统与信息处理国际会议（ICCSIP2023）
婴儿癫痫痉挛（IESS）是一种常见且难治的儿童癫痫综合征。促肾上腺皮质激素（ACTH）是治疗IESS障碍最有效的药物之一，但不能有效避免副作用。因此，通过客观预测ACTH反应来改善IESS的预后管理是至关重要的。为了解决这一问题，本文根据IESS患者服用ACTH的效果，将患者分为四组：正常组、轻度组、中度组和重度组。提取用药前IESS患者发作间期脑电图的功率谱密度（PSD）和置换熵（PEN），并使用配对样本t检验分析四组IESS患者之间的总体脑电图变异性以及不同脑区之间的变异性。以五种脑电节律（δ、θ、α、β和γ）的PSD和PEN为输入，应用支持向量机构建ACTH疗效预测模型。准确率达到96.6%。研究表明，PSD和PEN可以被作为ACTH给药效果的预测生物标志物。其中，该论文入选了ICCSIP 2023会议的最佳论文答辩。
统计分析图：
混淆矩阵图：
Multimodal Wearable Device Signal Based Epilepsy Detection With Multi-scale Convolutional Neural Network
作者：Yangbin Ge, Dinghan Hu, Xiaonan Cui, Tiejia Jiang, Feng Gao, Tao Jiang, Pierre-Paul Vidal, and Jiuwen Cao
会议：第八届认知系统与信息处理国际会议（ICCSIP2023 ）
基于可穿戴设备的癫痫检测成为一个热门的研究方向。然而，当前可穿戴设备的模型集中在单尺度分析，不能适应当前的多模态信号。本文提出了一种基于注意力模块的多尺度卷积神经网络模型，该网络从多模式生理信号中提取不同尺度的特征，并辅以注意力模块，以保留有价值的信息。
发作检测算法示意图：
Quantification Of Epileptic Electrical Sustained Activity During Sleep In BECT Patients
作者：Guohan Mei, Zhezhao Zhang, Dinghan Hu, Danping Wang, Tiejia Jiang, Tao Jiang , Junfeng Zhang and Jiuwen Cao
儿童良性癫痫伴有中央颞区棘波（BECT）是与睡眠中癫痫性电持续状态（ESES）相关的综合征之一，也是儿童期最常见的癫痫综合征之一。在其临床诊断中，睡眠中异常脑电图的量化，即棘波指数（SWI）常被用作诊断的重要参考标准。本文提出了一种结合深度学习和形态学运算的新方法，用于识别和量化睡眠期间的癫痫电持续活动。方法的平均SWI误差为6.04%，召回率为87.37%，精确率为56.11%。实验结果表明，所提出的方法在儿童癫痫的临床诊断和预后方面具有很大的潜力，它将有助于为ESES综合征患者提供长程脑电图检测，从而为患者的早期治疗提供可能。
U-Net语义分割网络示意图：
U-Net、形态学和U-Net+形态学对癫痫样放电的检测和量化结果：
Intelligent Detection Of Circuit Board Faults Based On Convolutional Neural Networks
作者：Zelin Chen, Yongkang Chen, Jiangmin Tian, Peng Lin, Qingguo Pan, Jiuwen Cao
会议：模式识别与人工智能国际会议（PRAI 2023）
随着现代电子设备功能和复杂性的增加，对于诊断电路板故障的要求变得更加严格。传统的测试和诊断方法通常需要专业人员和电子测量仪器。这些方法不仅需要高昂的时间和人员成本，而且不能完全满足现代产品的生产和维护要求。为了解决这些问题，本研究基于深度卷积神经网络开发了一种电路板故障检测方法。在这项研究中，设计了可以模拟47种典型故障和1种正常状态的实验电路板。为了使神经网络更好地学习这些数据，收集了这些电路板的正常电压和故障电压数据，并进行了异常值筛选和归一化预处理操作。最后，经过处理的数据被输入到设计的深度卷积神经网络中，训练好的网络可以对数据进行检测，识别出实验电路板的状态。
故障检测算法流程：
