DEEP-EEG - Detektion raumzeitlich aufgelöster epileptischer Anfälle in EEG-Daten mithilfe von Deep Learning

Das Forschungsvorhaben verbessert die Zuverlässigkeit der automatischen Detektion epileptischer Anfälle in EEG Daten von Erwachsenen durch Kombination von innovativen Methoden der räumlich-zeitlichen Datenvorverarbeitung mit modernen Ansätzen der Dimensionsreduktion und des Deep Learnings. Das Projektziel ist es, die innovativen Forschungsergebnisse, die über den aktuellen Stand der Technik hinaus gehen, in einen Software-Demonstrator zu integrieren, der in ein kommerziell nutzbares Angebot überführt werden kann. Damit wird die Anfallsdetektion in Klinik und Alltag erleichtert und die Behandlung von Epilepsiepatienten verbessert.

Towards Automated EEG-Based Epilepsy Detection Using Deep Convolutional Autoencoders

Stiehl, Annika; Weeger, Nicolas; Uhl, Christian; Bechtold, Dominic; Ille, Nicole...

2025 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) 2025.
DOI: 10.1109/EMBC58623.2025.11254465


Peer Reviewed
mehr

Robust Dynamical Component Analysis and Initial Results of Its Application to EEG Data of Epileptic Seizures

Lämmermann, Nina; Warmuth, Monika; Stiehl, Annika; Weeger, Nicolas; Ille, Nicole...

2025 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) 2025.
DOI: 10.1109/EMBC58623.2025.11253626


Peer Reviewed
mehr


Verbundprojektleitung


Teilprojektleitung


Projektbearbeitung

Projektdauer

15.01.2024 - 14.01.2027

Projektpartner

BESA GmbH

Projektförderung

Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie

Förderprogramm

BayVFP - Bayerisches Verbundforschungsprogramm