Trained SVMs

These SVMs are needed to run 3 out of 4 implementations of neonatal seizure detection algorithms (https://github.com/ktapani/Neonatal_Seizure_Detection). The fullSVM_XXXs are trained on all data in https://zenodo.org/record/1280684#.Wxh3QkiFNaQ, and can be used to detect seizures in new EEG data. The svmXXXs are trained on cross validated data and can be used to reproduce results presented in: K. Tapani, S. Vanhatalo and N. Stevenson, Time-varying EEG correlations improve automated neonatal seizure detection, International Journal of Neural Systems. (accepted for publication)本数据集所需的支持向量机（Support Vector Machine，SVM）可运行4款新生儿癫痫发作检测算法实现版本中的3款（项目地址：https://github.com/ktapani/Neonatal_Seizure_Detection）。其中fullSVM_XXXs是在https://zenodo.org/record/1280684#.Wxh3QkiFNaQ 公开的全部数据集上训练得到的，可用于对新的脑电图（Electroencephalogram，EEG）数据进行癫痫发作检测。而svmXXXs则基于交叉验证数据训练得到，可用于复现下述研究的结果：K. Tapani、S. Vanhatalo 与 N. Stevenson，《时变脑电图相关性提升自动化新生儿癫痫发作检测性能》，《国际神经系统杂志》（已录用待发表）

搜集汇总

背景与挑战

背景概述

该数据集包含训练好的支持向量机（SVM）模型，专门用于新生儿癫痫检测算法的实现。这些模型基于新生儿脑电图（EEG）数据训练，包括用于新EEG数据检测的完整训练模型和用于重现研究结果的交叉验证模型。数据集大小为24.6 GB，主要应用于医疗领域的自动化癫痫检测研究。