【技术实现步骤摘要】
基于衍射光子计算处理器的癫痫发作监控方法及装置
[0001]本专利技术涉及监控
,尤其涉及一种基于衍射光子计算处理器的癫痫发作监控方法及装置。
技术介绍
[0002]癫痫是一种严重的慢性神经系统疾病,具有重复性和突发性,如果意外癫痫发作,患者将面临严重的身体伤害甚至死亡的高风险。因此,使用脑电图分析以实现自动化和便携式癫痫发作检测至关重要。脑电图通过测量电场来检测大脑神经活动,其中颅外脑电图将电极置于颅骨外,而颅内脑电图将电极直接植入大脑皮层。脑电图信号的复杂性需要先进的信号处理和分析方法。而深度学习通过学习特征表示和数据抽象,应用于癫痫、脑机接口、睡眠和认知监测等多组场景。基于人工神经网络的学习架构通常在具有中央计算处理器,图形计算处理器,可编程门阵列和专用集成电路的电子计算平台上实现。随着脑电图信号通道和数据规模的不断增加,在电子计算平台上使用深度神经网络处理脑电图信号既耗能又耗时。此外,电子晶体管接近其物理极限,不能收集所有患者的颅内和颅外脑电图信号,不能为每位患者进行实时监控。
技术实现思路
[0003]本专利技术提供一种基于衍射光子计算处理器的癫痫发作监控方法及装置,用以解决癫痫发作监控方法需要占用大量资源,不能为每位患者进行实时监控的缺陷。
[0004]本专利技术提供一种基于衍射光子计算处理器的癫痫发作监控方法,包括:
[0005]对获取的脑电图信号进行预处理,得到特征电信号;
[0006]基于衍射光子计算处理器构建衍射光子神经网络,并将所述特征电信号输入至衍 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于衍射光子计算处理器的癫痫发作监控方法,其特征在于,包括:对获取的脑电图信号进行预处理,得到特征电信号;基于衍射光子计算处理器构建衍射光子神经网络,并将所述特征电信号输入至衍射光子神经网络,得到癫痫发作实时监控结果;所述衍射光子神经网络包括输入平面、多层衍射平面和输出平面,所述输入平面用于将所述特征电信号转换为光信号;所述多层衍射平面用于根据调制系数对所述光信号进行光调制;所述输出平面用于根据所述光调制后的光强度输出癫痫发作实时监控结果。2.根据权利要求1所述的一种基于衍射光子计算处理器的癫痫发作监控方法,其特征在于,所述根据所述光调制后的光强度输出癫痫发作分类结果,包括:在所述输出平面上配置两个目标区域,一个目标区域用于表征癫痫发作状态,另一个目标区域用于表征癫痫未发作状态,将具有较高光强度的目标区域对应的状态作为癫痫发作监控结果。3.根据权利要求1所述的一种基于衍射光子计算处理器的癫痫发作监控方法,其特征在于,所述多层衍射平面,包括:第一衍射层和第二衍射层;所述第一衍射层用于根据调制系数输出调制结果;所述第二衍射层的调制系数通过自适应训练,对所述第一衍射层输出的调整结果进行微调,得到光调制后的光强度。4.根据权利要求3所述的一种基于衍射光子计算处理器的癫痫发作监控方法,其特征在于,所述自适应训练的方法包括:随机梯度下降方法和误差反向传播方法。5.根据权利要求1所述的一种基于衍射光子计算处理器的癫痫发作监控方法,其特征在于,所述获取的脑电图信号为通过单个通道获取患者脑部的脑电图信号,或,通过多个通道获取患者脑部多个位置的脑电图信号。6.根据权利要求5所述的一种基于衍射光子计算处理器的癫痫发作监控方法,其特征在于,在通过多个通道获取患者脑部多个位置的脑电图信号时,还包括:将多个位置的脑电图信号分成按照预设时间间隔子序列;计算每个子序列的每个脑电图通道的多个频带功率谱密度,使用随机森林中的随机树表示每个频带中不同的功率谱密度;根据每个频带中的功率谱密度更新随机树;随机树更新完成后计算每个频带中不同的功率谱密度的特征贡献百分比;将多个频带的特征贡献百分比的总和作为通道贡献百分比;根据每个通道贡献百分比对所述多个通道进行筛选。7.根据权利要求1所述的一种基于衍射光子计算处理器的癫痫发作监控方法,其特征在于,所述根据调制系数对所述光信号进行光调制通过空间光调制器完成,所述光调制后的光强度通过传感器发送至控制器,所述控制器用于根据所述光调制后的光强度输出癫痫发作实时监控结果,所述空间光调制器中的衍射计算过程包括:y
i
=|F
·
exp(j(x
技术研发人员:林星,严涛,张海欧,万森,戴琼海,
申请(专利权)人:清华大学,
类型:发明
国别省市:
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。