基本人工神经网络的训练法及自动训练人工神经网络的装置制造方法及图纸

一种基本人工神经网络的训练法及自动训练人工神经网络的装置，包括成双向电路联结的数据采集器和计算机，并在该计算机内存建立ＢＰ人工神经网络输入暂存区，参数暂存区等，特别是还包括基本神经网络和以程序联结的病人ＥＤ模式选取程序模块和训练专用神经网络程序模块等，使得可依藉本发明专利技术装置实现无医生参与的全自动定量检测脑电图中的癫痫样放电。（*该技术在2019年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种检测癫痫病情的方法和装置，具体地说，是一种全自动训练病人专用人工神经网络的方法及装置。众所周知，癫痫是一种常见病，患病率约占人口的0.4％，患者发病时常有失去知觉倒地，全身抽搐等表征，是危害人民健康的重要疾病。首先要正确地诊断是否癫痫，使之和其它有类似症状的疾病区分开来，采取正确的治疗措施，目前常用的方法是记录患者的脑电图，再由医生来分析脑电图，看其中是否有癫痫样放电(Epileptiform Discharges，简称ED)，作为癫痫诊断的主要客观依据，关于这方面，本申请人已于1998年12月30日向中国专利局提交名称为“全自动判断脑电图中有无癫痫样放电的装置”的专利技术专利申请(申请号CN 98122894.1)，在这份申请中主要解决“有”和“没有”ED的定性判断。这对于采取正确的治疗路线是十分重要的。对于有ED的病人，如综合其他病症判断为癫痫病人，接着医生就需要了解病人的癫痫病发作的具体情况，发作频繁程度如何，ED的数量和在什么时间、什么情况下发作等等，以决定用什么药、用药量多少等，在治疗一阶段以后，医生需要知道治疗的效果如何、有效、无效、效果好不好等等本文档来自技高网...

【技术保护点】
一种基本人工神经网络的训练法，其步骤包括：（１）先在一计算机中建立如图３所示的盖博人工神经网络拓扑结构和驻留盖博的非ＥＤ算法和ＢＰ算法，其特征是：（２）在该计算机中驻留①由一病人的一组ＥＤ中的平均峰宽来确定峰宽的算法；②由Ｅ Ｄ模式偏离Ｍ倍标准差算出非ＥＤ模式的算法和③偏离采用使绝对值变小的算法；（３）以任一ＥＤ为弥漫型棘慢复合波的病人的ＥＤ对该神经网络进行训练，生成其连接权重和偏置量各参数值，形成一基本人工网络。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈俊强，刘书朋，
申请(专利权)人：中国科学院上海生理研究所，
类型：发明
国别省市：31[中国|上海]