当前位置: 首页 > 专利查询>复旦大学专利>正文

一种基于迁移Softmax回归的癫痫状态识别方法技术

技术编号:30547708 阅读:53 留言:0更新日期:2021-10-30 13:27
本发明专利技术提供一种基于迁移Softmax回归的癫痫状态识别方法,通过源域和目标域之间的知识迁移,使得目标域脑电信号分布向源域靠近,以此提升模型在目标域数据上的识别效果,有效提升了癫痫发作检测的可靠性,具体包括以下步骤:步骤S1,利用滑动窗口对源域原始脑电信号和目标域原始脑电信号进行分段;步骤S2,利用四层小波包分解提取滑动窗口内的小波包分解系数,并构建特征向量;步骤S3,对特征向量进行联合概率分布调整从而进行源域和目标域之间的知识迁移,同时在该知识迁移过程中完成分类器的训练;步骤S4,由分类器输出目标域原始脑电信号的癫痫状态识别结果;其中,分类器为Softmax回归。Softmax回归。Softmax回归。

【技术实现步骤摘要】
一种基于迁移Softmax回归的癫痫状态识别方法


[0001]本专利技术涉及一种癫痫状态识别方法,具体涉及一种基于迁移Softmax回归的癫痫状态识别方法。

技术介绍

[0002]癫痫是一种常见的神经系统疾病,世界卫生组织报告全世界每年有近240万人被诊断患有癫痫。它影响着全世界约5000万人的日常生活并且每年都呈现出增长的趋势。癫痫主要是由神经元集群异常同步放电活动引起的。
[0003]在临床使用场景下,癫痫状态识别模型需要应用在医院不断输入的新病人脑电信号数据上,由于脑电信号的动态变化性和非稳定性,导致不同病人之间脑电信号差异较大,同时由于临床中可供模型训练的癫痫脑电信号数据非常有限,特别是发作期的脑电信号数据,往往只有几秒到几十秒长度。
[0004]传统学习迁移方法由于采用的是领域知识迁移方法,导致癫痫状态识别效果差,识别精度低。

技术实现思路

[0005]为解决上述问题,本专利技术采用了如下技术方案:
[0006]本专利技术提供一种基于迁移Softmax回归的癫痫状态识别方法,其特征在于,包括以下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移Softmax回归的癫痫状态识别方法,其特征在于,包括以下步骤:步骤S1,利用滑动窗口对源域原始脑电信号和目标域原始脑电信号进行分段;步骤S2,利用四层小波包分解提取所述滑动窗口内的小波包分解系数,并构建特征向量;步骤S3,对所述特征向量进行联合概率分布调整从而进行源域和目标域之间的知识迁移,同时在该知识迁移过程中完成分类器的训练;步骤S4,由所述分类器输出所述目标域原始脑电信号的癫痫状态识别结果;其中,所述分类器为Softmax回归。2.根据权利要求1所述一种基于迁移Softmax回归的癫痫状态识别方法,其特征在于...

【专利技术属性】
技术研发人员:沈雷王守岩
申请(专利权)人:复旦大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1