基于BI-LSTM网络的癫痫发作预测分析的方法技术

本发明专利技术公开了一种基于BI

【技术实现步骤摘要】
基于BI
‑
LSTM网络的癫痫发作预测分析的方法


[0001]本专利技术属于脑电信号处理领域，具体涉及一种基于BI
‑
LSTM网络的癫痫发作预测分析的方法。

技术介绍

[0002]癫痫是一种复杂的神经系统疾病。在脑电(EEG)中识别癫痫活动的形式在为患者提供正确治疗方面起着至关重要的作用。同时，癫痫发作的检测对患者来说非常重要。
[0003]当前在癫痫预测这一领域里被人们用来进行研究的方法很多如基于脑电波频率的频域分析方法、对EEG信号数据统计的时序分析方法、智能系统工程的分析方法和非线性动力学模型分析方法等等。
[0004]在本方法中，提取网络的度和聚类系数作为特征对输入到Bi
‑
LSTM进行深度学习分类。在该方法中，双向长短期记忆网络(Bi
‑
LSTM)是一种递归神经网络(RNN)，对单层双LSTM结构的存储单元、神经数和学习算法进行优化。网络超参数往往是影响网络性能的重要因素，针对这一问题在该研究中对两种优化算法对分类成功率的影响以及改变神经元数量和初本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BI
‑
LSTM网络的癫痫发作预测分析的方法，其特征在于：步骤1、癫痫脑电信号预处理：利用小波变换对癫痫数据进行降噪处理，提取出有效的EEG信号；步骤2、特征提取阶段，基于PLV的脑功能网络的特征提取；步骤3、特征分类阶段，利用BI
‑
LSTM网络进行特征分类；步骤4、参数优化阶段，将不同参数经过讨论分析后得出最佳参数组合使得分类效率变高的同时减少算力。2.根据权利要求1所述的一种基于BI
‑
LSTM网络的癫痫发作预测分析的方法，其特征在于：步骤1中将发作间期和前期的脑电数据数据利用小波变换进行降噪；将处理好的数据分割为八秒半重叠窗口。3.根据权利要求1所述的一种基于BI
‑
LSTM网络的癫痫发作预测分析的方法，其特征在于：步骤2中先构建好基于PLV的脑功能网络，再基于图论对脑网络进行分析，分别针对不同的病例数据，提取网络中的特征，进一步构建对应的特征向量；采用度和聚类系数作为脑功能网络的度量指标，分别从间期和前期检测节点和节点之间的信息交互能力。4.根据权利要求1所述的一种基于BI
‑
LSTM网络的癫痫发作预测分析的方法，其特征在于：步骤3中根据特征提取阶段得到的特征数据利用BI
‑
LSTM网络进行分类；首先通过遗忘门流程去除不重要的信息，ht
‑
1为上一隐藏层状态值，和现输入值xt一起进入隐藏层，激活函数sigmoid为σ，决定去留的信息；其值域为0到1，当信息值趋于0时丢弃，趋于1时保留，遗忘门公式如式(1)：f
t
＝σ(w
f
*[h
t
‑1，x
t
]+b
f
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中：w——权重；b——权重偏置；其次为通过输入门操作存放保留信息；得到候...

【专利技术属性】
技术研发人员：付荣荣，张涵，王世伟，
申请(专利权)人：燕山大学，
类型：发明
国别省市：