Învățare automată interpretabilă pentru detectarea crizelor epileptice folosind rețele de tip ansamblu și explicabilitatea LIME
Acest studiu dezvoltă un model de învățare automată de tip ansamblu pe două niveluri pentru detectarea crizelor epileptice în patru stadii clinice, utilizând date EEG din setul de date Bangalore Epilepsy Dataset, obținând o precizie de 97,06% cu ajutorul reducerii dimensionalității prin UMAP și al extragerii caracteristicilor prin FFT. Performanța modelului este validată prin validare încrucișată imbricată și se dovedește promițătoare pentru implementarea în timp real pe dispozitive de edge computing și IoT destinate monitorizării crizelor epileptice.