基于注意力增强的CNN-BiLSTM混合框架用于脑电信号多分类癫痫发作识别

《Frontiers in Computational Neuroscience》：An attention-enhanced hybrid CNN-BiLSTM framework for multiclass epileptic seizure recognition using EEG signals

　　

摘要 引言：脑电图（EEG）信号分类在脑机接口（BCIs）和神经系统疾病诊断中发挥着关键作用。然而，EEG信号的非平稳性、非线性和低信噪比特性使得准确的特征提取面临挑战。传统深度学习方法往往难以同时捕捉EEG信号中的局部瞬态模式、深层时间依赖关系以及长距离上下文关联。 方法：为应对上述挑战，本研究提出一种优化的端到端混合深度学习框架，命名为CNN–BiLSTM–MHSA，用于多分类癫痫发作识别。该架构依次整合了多层一维卷积神经网络（CNN）用于局部特征提取、双向长短期记忆（BiLSTM）网络用于捕捉正向和反向的时间依赖关系，以及多头自注意力（MHSA）机制用于动态强调具有判别性的神经事件。稳健的预处理流程包括巴特沃斯带通滤波、Z-score标准化以及采用高斯噪声注入和幅度缩放的数据增强。该框架在包含11,500个EEG片段、分布于五个类别的UCI/Kaggle癫痫发作识别数据集上进行了评估。 结果：所提出的框架实现了98.83%的总体准确率、98.95%的精确率、98.84%的召回率（灵敏度）、98.90%的F1分数、99.71%的特异性、98.84%的平衡准确率、99.80%的ROC-AUC以及99.72%的PR-AUC。大多数类别的逐类准确率超过99%，其中一个癫痫发作类别实现了完美识别。比较评估进一步表明，所提出的框架优于近期多种先进的EEG癫痫发作分类方法。 讨论：优越的性能可归因于混合架构的互补表征能力。CNN层有效学习局部信号模式，BiLSTM捕捉双向时间依赖关系，MHSA通过赋予信息丰富的时域区域更大重要性来增强长距离上下文关系的表征。稳健预处理与数据增强的结合进一步有助于提升泛化能力和分类可靠性。

基于注意力增强的CNN-BiLSTM混合框架用于脑电信号多分类癫痫发作识别——论文解读

一、研究背景与问题

脑电图（EEG）是一种非侵入性神经影像技术，能够以高时间分辨率测量大脑的电活动。在临床环境中，EEG信号在麻醉监测、癫痫诊断和意识状态改变评估中具有重要作用。然而，由训练有素的神经科医生对EEG记录进行人工判读存在疲劳导致的误差、主观性强且耗时的问题。因此，基于机器学习和深度学习的自动化EEG分析引起了广泛的研究兴趣。对患者安全最重要的方面之一是能够准确且及时地检测癫痫发作。同样，麻醉状态的准确监测可防止麻醉中知晓的发生，该现象与创伤后应激障碍和患者预后相关。

尽管取得了这些进展，自动化EEG信号分析仍然是一项艰巨的任务。EEG信号具有低振幅（通常为10–100微伏）、对伪迹敏感（眼动、肌肉活动、电极噪声）、受试者间和会话内变异性高以及跨多个频带的复杂非平稳时间动态等特征。传统的特征工程方法依赖人工设计的特征，如功率谱密度、小波系数或共空间模式，这些方法耗时、任务特定，且可能无法完全解释EEG时空数据的复杂性。传统EEG分类方法如支持向量机（SVM）和线性判别分析（LDA）依赖手工特征工程，但无法反映EEG信号的非线性、非平稳动态。

随着深度学习的兴起，EEG信号处理发生了范式转变。卷积神经网络（CNN）擅长通过学习滤波器组提取局部空间和频谱特征，循环神经网络（RNN），特别是长短期记忆（LSTM）网络，能够捕捉EEG时间序列中存在的顺序时间依赖关系。近年来，基于Transformer的注意力机制已被证明能够更好地选择性地关注给定任务最相关的时间特征，克服了RNN无法关注其上下文窗口不同部分的局限性。然而，现有工作尚未探索一个综合框架，将先进预处理、CNN特征提取、双向LSTM时间建模、多头自注意力以及广泛交叉验证方案相结合，用于多类EEG意识分类。

本研究的创新之处在于开发了一个统一的CNN–BiLSTM–多头自注意力框架，联合建模局部EEG特征、双向时间依赖关系和长距离上下文关系。与主要学习局部信号表征的传统基于CNN的方法不同，所提出的框架引入BiLSTM以在正向和反向两个方向上捕捉时间依赖关系，随后采用MHSA选择性地建模全局相关的时间信息。

二、研究内容与主要技术方法

研究人员在Kaggle癫痫发作识别数据集上开展了研究，该数据集是基准EEG时间序列数据的预处理和重塑版本，包含11,500条EEG记录，每条记录包含178个时间样本，采样频率为178 Hz，产生一秒信号时段。数据集分为五个类别，每类2,300个EEG片段，构成包含11,500个样本的平衡数据集。五个类别分别代表癫痫发作活动、肿瘤区域、健康脑区域、闭眼状态和睁眼状态。

研究采用的主要关键技术方法包括：第一，EEG信号预处理，包括五阶巴特沃斯带通滤波（截止频率0.5 Hz至40 Hz，对应临床上与癫痫样活动相关的delta至gamma频段），采用零相位前向-后向滤波（filtfilt）以消除相位失真，以及逐样本Z-score标准化以补偿电极阻抗和导联方式差异引起的试次间振幅变异性。第二，数据增强策略，包括加性高斯噪声注入（标准差0.01）和随机幅度缩放（缩放因子α服从均匀分布U(0.9, 1.1)），以模拟低水平传感器和环境噪声以及受试者间振幅变异性。第三，混合深度学习架构，依次整合三个一维卷积块（滤波器数分别为32、64、128，核大小分别为5、3、3，采用ReLU激活、最大池化和dropout）用于局部特征提取，双向LSTM层（隐藏单元256，return_sequences=True）用于捕捉双向时间依赖关系，多头自注意力机制用于动态强调最具判别性的时间步，最后通过全连接层进行分类。数据集按80:20比例分层划分为训练集和测试集，使用固定随机种子（random_state = 42）确保可重复性。

三、研究结果

3.1 总体性能评估

所提出的CNN–BiLSTM–MHSA框架在测试集上实现了98.83%的总体准确率、98.95%的精确率、98.84%的召回率（灵敏度）、98.90%的F1分数、99.71%的特异性、98.84%的平衡准确率、99.80%的ROC-AUC以及99.72%的PR-AUC。这些结果表明该框架在五分类癫痫发作识别任务中具有卓越的整体分类性能。

3.2 逐类分类性能

大多数类别的逐类准确率超过99%，其中一个癫痫发作类别实现了完美识别（100%准确率）。这一结果验证了该框架能够有效区分不同类型的神经活动状态，包括癫痫发作活动、肿瘤区域活动、健康脑区域活动、闭眼状态和睁眼状态。

3.3 与现有方法的比较评估

比较评估进一步表明，所提出的框架优于多种近期先进的EEG癫痫发作分类方法。与仅使用BiLSTM的方法（准确率98.70%）相比，所提出的混合框架实现了更高的准确率；与基于CNN的方法（准确率84.2%）相比，性能提升更为显著。该框架还优于传统的特征工程加浅层分类器方法以及纯CNN架构，验证了混合架构中各组件的互补优势。

四、讨论与结论

研究人员在讨论部分指出，优越的性能可归因于混合架构的互补表征能力。CNN层有效学习局部信号模式，如棘波和尖波；BiLSTM捕捉双向时间依赖关系，因为发作期活动是非平稳的且随时间演变；MHSA通过赋予信息丰富的时域区域更大重要性来增强长距离上下文关系的表征。稳健预处理与数据增强的结合进一步有助于提升泛化能力和分类可靠性。

研究结论表明，所提出的CNN–BiLSTM–MHSA框架为多分类癫痫发作识别提供了一种有效的端到端解决方案，在UCI/Kaggle癫痫发作识别数据集上取得了最先进的性能。该框架通过整合CNN的局部特征提取能力、BiLSTM的双向时间建模能力和MHSA的自适应注意力机制，成功克服了传统方法在捕捉EEG信号复杂时空特征方面的局限性。未来的研究方向可能包括在更多样化的临床数据集上进行跨患者或跨数据集验证，以及进一步探索注意力权重的可视化以增强模型的可解释性，为临床转化应用奠定基础。