一种癫痫患者脑电信号的计算机模式识别方法技术

本发明专利技术公开了一种癫痫患者脑电信号的计算机模式识别方法，涉及脑科学、癫痫发作临床数据识别技术领域。所述方法首先构建随机森林识别模型，然后对随机森林识别模型进行训练，生成最优的随机森林识别模型；将优化后的随机森林模型在测试集上进行不同程度病况的癫痫患者脑电信号的模式识别测试。本发明专利技术实现了计算机自动识别癫痫患者脑电信号的功能，为医疗工作者耗时耗力的诊断提供技术支持。本发明专利技术引入网格搜索优化方法，以可变步长的形式重复过滤参数来加速搜索参数的最佳组合，加快随机森林模型的运行效率，使得训练出来的随机森林识别模型达到最优效果，对于与三种不同病况的癫痫病情的模式识别准确率能达到96％以上。

A Computer Pattern Recognition Method for EEG Signals of Epilepsy Patients

The invention discloses a computer pattern recognition method for EEG signals of epileptic patients, which relates to the technical field of brain science and clinical data recognition of epileptic seizures. The method firstly constructs a random forest recognition model, then trains the random forest recognition model to generate the optimal random forest recognition model, and then tests the EEG signals of epileptic patients with different degrees of illness on the test set with the optimized random forest model. The invention realizes the function of automatically recognizing the electroencephalogram signals of epilepsy patients by computer, and provides technical support for time-consuming and labor-consuming diagnosis of medical workers. The present invention introduces a grid search optimization method to speed up the optimal combination of search parameters by repeating filtering parameters in the form of variable step size, and to speed up the running efficiency of random forest model, so that the trained random forest recognition model achieves the optimal effect, and the pattern recognition accuracy of epilepsy cases with three different conditions can reach more than 96%.

【技术实现步骤摘要】
一种癫痫患者脑电信号的计算机模式识别方法
本专利技术涉及脑科学、癫痫发作临床数据识别
，具体是一种癫痫患者脑电信号的计算机模式识别方法。
技术介绍
癫痫病的发作是脑内神经元阵发性异常超同步化电活动的临床表现，具有反复性、突发性和暂时性等特点。脑电信号作为研究癫痫疾病的重要工具，它所实时反映的发作信息是其它生理学方法所不能提供的。目前，在癫痫患者的脑电信号的分析研究中，机器学习为癫痫脑电信号识别的强有力工具，但是多数机器学习方法识别脑电信号具有较复杂的计算过程，无法保证识别方法的准确性和实效性。基于计算机的模式识别方法有很多，例如K近邻方法、支持向量机方法、神经网络方法等。这些方法在不同脑疾病的数据集上识别的准确性不同，对于计算机的脑电模式识别方法本身仍然存在着不适用性。此外对于识别方法的参数选择依靠于具有丰富经验研究人员进行人工调参，不能完全保证生成的参数为识别方法的模型最优参数。
技术实现思路
本专利技术为了克服现有方法的不足，针对癫痫病患者的脑电信号识别问题，提出一种癫痫患者脑电信号的计算机模式识别方法。本专利技术提供的一种癫痫患者脑电信号的计算机模式识别方法，包括如下几个步骤本文档来自技高网...

【技术保护点】
1.一种癫痫患者脑电信号的计算机模式识别方法，其特征在于：包括如下步骤，步骤一：采集癫痫患者的脑电信号，并对所述的脑电信号进行预处理及脑电特征提取；步骤二、构建随机森林识别模型，利用步骤一提取出来的脑电特征对随机森林识别模型进行训练，生成最优的随机森林识别模型；具体步骤如下：步骤201、将提取的脑电特征进行归一化处理；步骤202、将归一化处理后的脑电特征分成三部分，分别为训练集、测试集以及用于防止随机森林识别模型过拟合的验证集；步骤203、对不同程度病况的癫痫脑电信号进行时间同步的分帧，得到多级导联的脑电信号；步骤204、对癫痫患者的发作期、间歇期和健康期这三类脑电信号的进行打标签处理：发作期...

【技术特征摘要】
2018.08.30 CN 20181100196801.一种癫痫患者脑电信号的计算机模式识别方法，其特征在于：包括如下步骤，步骤一：采集癫痫患者的脑电信号，并对所述的脑电信号进行预处理及脑电特征提取；步骤二、构建随机森林识别模型，利用步骤一提取出来的脑电特征对随机森林识别模型进行训练，生成最优的随机森林识别模型；具体步骤如下：步骤201、将提取的脑电特征进行归一化处理；步骤202、将归一化处理后的脑电特征分成三部分，分别为训练集、测试集以及用于防止随机森林识别模型过拟合的验证集；步骤203、对不同程度病况的癫痫脑电信号进行时间同步的分帧，得到多级导联的脑电信号；步骤204、对癫痫患者的发作期、间歇期和健康期这三类脑电信号的进行打标签处理：发作期“0”、间歇期“1”、健康期“-1”；步骤205、采用重采样方法，从训练集的数据中随机抽取bootstrap样本，一共选取k个样本数据，作为新的训练集数据；步骤206、以上述205步骤中新的训练集数据为训练数据，建立k个决策树Tj，j＝1,2,…,k，从决策树的每一个节点的特征集合中随机选择一个包含k个特征的子集；步骤207、通过对决策树的每个终端节点递归地重复步骤206，将随机林树生长为增强绑定数据，直到这决策树能够准确地对训练数据集进行识别，同时达到最小节点大小。步骤208、集合所有决策树，对于一个输入样本，k个决策树有k个识别结果，随机森林继承了所有的识别投票结果；步骤209、在新的节点上进行预测，投票数目...

【专利技术属性】
技术研发人员：龚光红，王夏爽，李妮，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11