【技术实现步骤摘要】
一种基于GRU循环神经网络的疾病诊断系统
本专利技术涉及无创检测系统的数据分析
,特别涉及一种用于癫痫诊断的GRU循环神经网络数据处理方法,该方法是利用脑电信号诊断癫痫的重要部分。
技术介绍
脑电包含了大量的生理和病理信息,可以直接在人体上进行测量,适合于临床应用,能够为某些脑疾病提供诊断依据,甚至成为某些脑疾病有效的治疗手段。近年来,对认知功能的研究越来越受到人们的重视,有效的分析、评价认知功能,对认知障碍疾病的检测和治疗有着重大意义。癫痫是一种脑内神经元异常放电,导致部分或整个脑功能障碍的慢性疾病,脑电图蕴含丰富的大脑机能信息,对癫痫疾病诊断具备很高的参考价值。在传统诊断过程中,医生需要收集患者一天或者多天的脑电数据,大量的脑电数据使得医务人员劳动强度增加,检测效率降低,而且医务人员可能受主观因素干扰,存在检查标准不一的弊端。因此,对癫痫疾病的智能诊断变得尤为重要。目前国内外学者对癫痫疾病诊断做出一些研究分析,但仍存在分类类别少,分类准确率低的问题。本专利技术涉及疾病诊断中信号数据分析算法部分,算法的选择显著影响无创检测系统的识别能力,使用深度学习算法对采集的脑电数据进行分类,可以避免传统机器学习的特征提取过程,并且根据误差反向调节特征提取过程,得到更加准确的深层特征,最终实现数据的分类。GRU是时间递归神经网络的一种,对时间序列信号具有很好的数据分析能力。
技术实现思路
近年来,因脑电信号在癫痫诊断方面具备很高的参考价值,数据分析算法作为检测系统中重要的一部分,可直接影响疾病的识别能力,本专利技术的目的是提供一种基于门控循环单元(GRU ...
【技术保护点】
1.为使无创癫痫诊断系统的具有较好的识别效果,提出一种基于GRU循环神经网络的癫痫诊断数据分析方法,其特征在于,包括以下步骤:步骤S1:利用便携式脑电信号采集端对样本的脑电信号进行采集并保存;步骤S2:对样本的脑电数据进行预处理,例如滤波等;步骤S3:利用GRU对预处理后数据组成的训练集进行训练;步骤S4:训练过程通过反馈信号对参数进行调整;步骤S5:得到分类模型,适用于呼吸样本的分类处理,并判断是否为癫痫患者。
【技术特征摘要】
1.为使无创癫痫诊断系统的具有较好的识别效果,提出一种基于GRU循环神经网络的癫痫诊断数据分析方法,其特征在于,包括以下步骤:步骤S1:利用便携式脑电信号采集端对样本的脑电信号进行采集并保存;步骤S2:对样本的脑电数据进行预处理,例如滤波等;步骤S3:利用GRU对预处理后数据组成的训练集进行训练;步骤S4:训练过程通过反馈信号...
【专利技术属性】
技术研发人员:陆彬春,符礼丹,艾海男,
申请(专利权)人:重庆大学,
类型:发明
国别省市:重庆,50
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。