A Multimodal Deep Learning Framework for Early Epileptic Seizure Prediction Using EEG, Wearable Signals, and Behavioral Patterns
Cet article propose un nouveau cadre d'apprentissage profond multimodal qui intègre des données EEG, physiologiques issues de dispositifs portables et comportementales via un système d'attention transmodale et une personnalisation adaptative afin de parvenir à une prédiction de crises d'épilepsie précoce et hautement précise avec une réduction des fausses alarmes.