【技术实现步骤摘要】
一种基于支持向量机的癫痫检测集成电路及其训练方法
本专利技术属于集成电路
,具体涉及一种基于支持向量机的癫痫检测集成电路及其训练方法。
技术介绍
大脑神经元异常放电会引发癫痫,对人的生活健康影响严重。头皮无创式脑电图,在癫痫发作诊断中扮演着重要的角色。然而,目前主要依靠医生对患者的脑电信号进行人工分析,这种方法不仅耗时,而且没有统一的判断依据,无法保证其准确性。随着医疗电子技术的不断发展,人工智能算法开始被应用在癫痫的自动诊断过程中,然而大部分的算法需要在计算机上实现,仍然不够方便。因此,将人工智能学习算法集成在电路上,使整个自动诊断系统可便携,并且可针对脑电信号状态的改变重新学习,对提高病人的日常生活质量有很重要的意义。支持向量机学习方法适用性较广、精度较高,可以针对不平衡的数据集使用,因此在便携式癫痫自动诊断系统中被采用。支持向量机方法作为全监督的分类方法,可以分为训练与分类两个过程:在训练过程中,利用标记好的样本集,寻找处于样本集边界上的特征向量作为支持向量,在分类过程中使用支持向量对输入样本进行分类。训练支持向量机是解决标准的二次规划问题,然而在数据量较大时,计算复杂度高、需要较高的能耗和较大的存储空间,因此在芯片上实时低功耗地训练有一定的难度。较为常用的是序贯最小化算法训练支持向量机,改进版本的序贯最小化算法能进一步加速训练过程、降低功耗。使用支持向量机方法,需要先对脑电信号进行特征提取以得到特征向量。使用带通滤波器对脑电信号进行频域滤波,然后计算频域能量,是一种常用的特征提取方法。然而通带较窄的带通滤波器的电路复杂度高;另外,频域能量仅能 ...
【技术保护点】
1.一种基于支持向量机的癫痫检测集成电路,其特征在于,包括特征提取模块和支持向量机;特征提取模块用于获取训练样本,并将获取的训练样本输入至支持向量机;支持向量机包括控制调度模块、误差更新模块、样本选择模块、核函数计算模块和拉格朗日乘子优化模块;所述样本选择模块,用于选择不满足KKT条件的样本,将样本对应的拉格朗日乘子输送至拉格朗日乘子优化模块;所述拉格朗日乘子优化模块,用于对不满足KKT条件的样本的拉格朗日乘子进行优化,并将优化后的样本输入误差更新模块;所述误差更新模块,用于更新所有优化后样本的预测误差Fi,然后对优化后样本子集边界进行更新,直至所有样本满足KKT条件时结束;核函数计算模块,用于加速拉格朗日乘子优化模块和误差更新模块的核函数计算过程;控制调度模块,用于控制支持向量机的片上训练过程。
【技术特征摘要】
1.一种基于支持向量机的癫痫检测集成电路,其特征在于,包括特征提取模块和支持向量机;特征提取模块用于获取训练样本,并将获取的训练样本输入至支持向量机;支持向量机包括控制调度模块、误差更新模块、样本选择模块、核函数计算模块和拉格朗日乘子优化模块;所述样本选择模块,用于选择不满足KKT条件的样本,将样本对应的拉格朗日乘子输送至拉格朗日乘子优化模块;所述拉格朗日乘子优化模块,用于对不满足KKT条件的样本的拉格朗日乘子进行优化,并将优化后的样本输入误差更新模块;所述误差更新模块,用于更新所有优化后样本的预测误差Fi,然后对优化后样本子集边界进行更新,直至所有样本满足KKT条件时结束;核函数计算模块,用于加速拉格朗日乘子优化模块和误差更新模块的核函数计算过程;控制调度模块,用于控制支持向量机的片上训练过程。2.根据权利要求1所述基于支持向量机的癫痫检测集成电路,其特征在于,所述特征提取模块包括滤波器模块和特征计算模块;滤波器模块,用于对输入的脑电信号进行滤波计算,并将得到的滤波后的脑电信号x[i]输入至特征计算模块,脑电信号x[i]如下;其中,EEGb[p]代表第p个EEG脑电信号的第b位,C[p]为滤波器参数;特征计算模块包括方差计算电路和均值计算电路,分别用于计算滤波后的脑电信号x[i]的均值mean与方差值variance,得到一个多维特征向量,并将得到的多维特征向量作为样本输入至支持向量机;脑电信号x[i]的均值如下;其中,l表示滤波后信号的长度;脑电信号x[i]的方差值如下;。3.根据权利要求2所述基于支持向量机的癫痫检测集成电路,其特征在于,所述特征提取模块包括8个滤波器模块和8特征计算模块;输入的脑电信号分为8个频段,分别输入至8个滤波器模块中进行滤波,每个滤波器模块连接一个特征计算模块,8特征计算模块共得到16个特征,作为16维的特征向量输入至支持向量机。4.根据权利要求2所述基于支持向量机的癫痫检测集成电路,其特征在于,所述滤波器为分布式查找表滤波器。5.根据权利要求1所述基于支持向量机的癫痫检测集成电路,其特征在于,所述样本选择模块包括多路分配器DEMUX1、多路选择器MUX1、第一中断生成电路,以及寄存器BL、寄存器BU、寄存器IL和寄存器IU;第一中断生成电路包括比较器COM1和比较器COM2;多路分配器DEMUX1的输入端输入误差Fi2,其0端输出与比较器COM1的负端输入连接,1端输出与比较器COM2的正端输入连接;多路选择器MUX1的O端输入与寄存器IL连接,其1端输入与寄存器IU连接,多路选择器MUX1的输出选中的样本地址i,;比较器COM1正端输入与寄存器BL连接,比较器COM2负端输入与寄存器BU连接;比较器COM1和比较器COM2输出中断信号INT1给控制调度模块;寄存器BL和寄存器BU分别存储样本子集边界blow和bup,寄存器IL和寄存器IU分别存blow和bup对应的下标地址ilow和iup。6.根据权利要求1所述基于支持向量机的癫痫检测集成电路,其特征在于,所述拉格朗日乘子优化模块包括拉格朗日乘子存储器、αi2优化电路、αi1优化电路和第二中断生成电路;其中,αi1表示为样本i1的拉格朗日乘子,αi2表示为样本i2的拉格朗日乘子;拉格朗日乘子存储器存储样本对应的拉格朗日乘子αi;αi2优化电路输入端分别与核函数计算模块和拉格朗日乘子存储器连接,αi2优化电路输出优化后的αi2new写入拉格朗日存储器,以及输出αi2的改变量Δαi2到αi1优化电路和第二中断生成电路;αi1优化电路接收αi2优化电路输出的改变量Δαi2,并从拉格朗日乘子存储器读取αi1old,对拉格朗日乘子αi1进行优化,得到优化后的αi1写入拉格朗日存储器,最后输出αi1的改变量Δαi1;第二中断生成电路生成INT2...
【专利技术属性】
技术研发人员:李尊朝,冯立琛,白海龙,张剑,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。