基于可穿戴设备的癫痫脑电特征提取方法技术

本发明专利技术公开一种基于可穿戴设备的癫痫脑电特征提取方法，包括以下步骤：根据医院采集的已标记癫痫脑电数据和可穿戴设备采集的未标记癫痫脑电数据，通过核主成分分析、多核支持向量机以及迁移特征计算的运算处理，输出具有特征迁移的分类器；对可穿戴设备采集的未标记实时癫痫脑电数据采用核主成分分析进行特征提取，将特征提取后的未标记实时癫痫脑电数据放入分类器，输出预测结果。本发明专利技术将各个医院影像科室以及影像中心的影像资源进行整合，形成一个服务于临床的基于可穿戴设备的癫痫脑电特征提取方法，提高临床工作效率。本发明专利技术提供的癫痫脑电特征提取方法可快速的、较准确地用于穿戴设备的癫痫脑电的特征提取和结果预测。

Epileptic EEG feature extraction method based on wearable device

The invention discloses a method for extracting features of epileptic EEG based on wearable device, which comprises the following steps: according to the hospital collection of labeled EEG data and wearable devices collecting unlabeled epileptic EEG data processing by kernel principal component analysis, multi kernel support vector machine and migration characteristics calculation. The output has the characteristics of migration of the classifier; wearable devices for collecting unlabeled real-time EEG data using kernel principal component analysis for feature extraction, feature extraction after unlabeled real-time EEG data into a classifier, the prediction results output. The invention integrates the image resources of each hospital image section and the image center to form a wearable EEG epileptic feature extraction method for clinical use, so as to improve the clinical work efficiency. The epileptic EEG feature extraction method provided by the invention can quickly and accurately be used for feature extraction and result prediction of epileptic EEG in a wearable device.

【技术实现步骤摘要】
基于可穿戴设备的癫痫脑电特征提取方法
本专利技术涉及脑电数据处理
，更具体地说，本专利技术涉及一种基于可穿戴设备的癫痫脑电特征提取方法。
技术介绍
癫痫是由大脑神经元突发性异常引起的短暂性大脑功能障碍，具有复杂性和复发性的特点。EEG(electroencephalogram，脑电图)是识别癫痫的一个重要手段，基于特征提取技术的癫痫脑电识别最近越来越受到关注。可穿戴脑电检测设备为病人和医护人员提供了极大的便利，但是由于它的特殊性和及时性，对其进行人工标记的可行性很小。
技术实现思路
针对上述技术中存在的不足之处，本专利技术提供一种基于可穿戴设备的癫痫脑电特征提取方法，通过核主成分分析、多核支持向量机以及迁移学习的方法，得到一种快速的、准确度较高的用于穿戴设备的癫痫脑电特征提取方法。为了实现根据本专利技术的这些目的和其它优点，本专利技术通过以下技术方案实现：本专利技术提供一种基于可穿戴设备的癫痫脑电特征提取方法，包括以下步骤：根据医院采集的已标记癫痫脑电数据和可穿戴设备采集的未标记癫痫脑电数据，通过核主成分分析、多核支持向量机以及迁移特征计算的运算处理，输出具有特征迁移的分类器；对可本文档来自技高网...

【技术保护点】
一种基于可穿戴设备的癫痫脑电特征提取方法，其特征在于，包括以下步骤：根据医院采集的已标记癫痫脑电数据和可穿戴设备采集的未标记癫痫脑电数据，通过核主成分分析、多核支持向量机以及迁移特征计算的运算处理，输出具有特征迁移的分类器；对可穿戴设备采集的未标记实时癫痫脑电数据采用核主成分分析进行特征提取，将特征提取后的未标记实时癫痫脑电数据放入所述分类器，输出预测结果。

【技术特征摘要】
1.一种基于可穿戴设备的癫痫脑电特征提取方法，其特征在于，包括以下步骤：根据医院采集的已标记癫痫脑电数据和可穿戴设备采集的未标记癫痫脑电数据，通过核主成分分析、多核支持向量机以及迁移特征计算的运算处理，输出具有特征迁移的分类器；对可穿戴设备采集的未标记实时癫痫脑电数据采用核主成分分析进行特征提取，将特征提取后的未标记实时癫痫脑电数据放入所述分类器，输出预测结果。2.如权利要求1所述的基于可穿戴设备的癫痫脑电特征提取方法，其特征在于，核主成分分析、多核支持向量机以及迁移特征计算的运算处理，包括以下步骤：分组获取医院采集的已标记癫痫脑电数据以及可穿戴设备采集的未标记癫痫脑电数据，并对两组数据分别进行预处理；对预处理后的所述已标记癫痫脑电数据采用核主成分分析进行特征提取，输出第一特征参数矩阵；对特征提取后的所述已标记癫痫脑电数据采用多核支持向量机进行分类器训练，输出第一分类器；对预处理后的所述未标记癫痫脑电数据采用核主成分分析进行特征提取，输出第二特征参数矩阵；将第一特征参数矩阵和所述第二特征参数矩阵进行空间计算，输出迁移特征；将所述迁移特征放入所述分类器，进行迁移学习，输出更新的第二分类器。3.如权利要求2所述的基于可穿戴设备的癫痫脑电特征提取方法，其特征在于，将第一特征参数矩阵和所述第二特征参数矩阵进行空间计算，输出迁移特征，包括以下步骤：定义所述第一特征参数矩阵中已标记癫痫脑电数据和所述第二特征参数矩阵中未标记癫痫脑电数据的第n维主分量之间的欧式距离记为dis(n)，则，dis(n)＝PCAlabel-PCAunlabel；设置距离阈值，对dis(n)进行排序，将dis(n)的值大于所述距离阈值删除，保留dis(n)的值小于所述距离阈值的特征维度，完成特征迁移。4.如权利要求1所述的基于可穿戴设备的癫痫脑电特征提取方法，其特征在于，对可穿戴设备采集的未标记实时癫痫脑电数据采用核主成分分析进行特征提取，包括以下步骤：对所述未标记实时癫痫脑电数据进行预处理；对预处理后的所述未标记实时癫痫脑电数据采用核主成分分...

【专利技术属性】
技术研发人员：刘燕，刘伟楠，戴亚康，佟宝同，赵凌霄，
申请(专利权)人：苏州国科康成医疗科技有限公司，
类型：发明
国别省市：江苏,32