STMemAE: An Instance-Level Based Spatio-Temporal Memory Autoencoder for Unsupervised Vision-Based Seizure Detection

Electroencephalogram (EEG) is most favorable in epilepsy analysis, but suffered from inconvenient recording and ease in disturbation. Contrastively, the vision-based seizure detection is more feasible in real applications for 24/7 monitoring. However, most vision-based seizure detections follow the...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on emerging topics in computational intelligence Ročník 9; číslo 5; s. 3298 - 3310
Hlavní autoři:	Hu, Dinghan, Wu, Kai, Fang, Yuan, Jiang, Tiejia, Gao, Feng, Cao, Jiuwen
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 01.10.2025 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Annotations Brain modeling Computer vision Convulsions & seizures Electroencephalography Epilepsy Feature extraction gradient loss Image reconstruction instance-level Machine learning Memory modules Motion perception Object recognition Prototypes Seizures STMemAE Training Unsupervised learning unsupervised seizure detection Visualization YOLO
ISSN:	2471-285X, 2471-285X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!