癫痫诊断头盔

人工智能智能硬件案例ID：229891

Wealth

10 年经验· 华为技术有限公司

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

现有癫痫发作预测方法均属于诊断和治疗类型，通常是医院大型设备，而且只能读取脑电波，需要通过人工诊断，无法做到采用AI的方式自动预测病人的便携式设备。在针对上述问题,我们针对特定患者提出基于深度神经网络的癫痫发作预测方法,帮助医生和患者采取及时有效的措施,降低患者患并发症和猝死的概率。
1）目前的癫痫诊断绝大部分是人工读取脑电信号进行诊断，AI癫痫诊断研究目前主要集中在传统机器学习方法和没有时域分析的深度学习的方法，由于没有考虑癫痫的时序信息，因此无法较为准确的预测即将发生的癫痫。针对这个问题，我们提出了采用注意力机制的CBAM模型和具有时序特征提取能力的Bi-LSTM模型进行时序相关的癫痫发作预测。
2）在家庭场景下，需要AI算法集成到便携式低功耗设备中，以便随时预测患者可能发生癫痫的情况。针对这个问题，我们提出基于剪枝，权重共享，权重量化的深度学习模型的轻量化方法，并且设计一套便携式癫痫预测头盔，最终解决家庭场景下癫痫病人需要低功耗，便携式癫痫预测的问题，降低患者患并发症和猝死的概率。