一种基于确定学习特征提取的脑电癫痫检测系统技术方案

本发明专利技术涉及脑电癫痫检测技术领域，公开了一种基于确定学习特征提取的脑电癫痫检测系统，包括：训练与验证模块，其被配置为：获取多个信道的脑电信号；对每个信道的脑电信号，调用数据处理模块进行预处理，得到多个片段，并划分为训练集和验证集；对每个片段，得到特征向量；对每个信道的脑电信号，利用训练集训练一个分类器；利用验证集选择最优信道；检测模块，其被配置为：获取最优信道的脑电信号，并调用数据处理模块进行预处理，得到多个片段；调用信号扩展模块，对每个片段进行扩展；调用确定学习模块和特征提取模块，使用神经网络进行确定学习特征提取，得到特征向量，放入训练好的分类器中进行癫痫检测。实现了准确快速的癫痫检测。痫检测。痫检测。

【技术实现步骤摘要】
一种基于确定学习特征提取的脑电癫痫检测系统


[0001]本专利技术涉及脑电癫痫检测
，特别是涉及一种基于确定学习特征提取的脑电癫痫检测系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]癫痫是一种常见的慢性神经系统疾病，由神经元异常放电引起，影响全球超过5000万患者，其中超过20％对药物治疗无效。这些癫痫发作会导致身体失控、认知障碍、记忆丧失，最终失去生活能力。由于这些癫痫发作突然而不可预测，患者一直生活在风险之中。脑电图可以通过记录神经元的电生理信号来反映大脑活动。因此，脑电图已被广泛用于诊断和治疗癫痫发作。然而，手动诊断癫痫需要有经验的神经学家分析大量的脑电信号，这可能需要数小时才能做出诊断。此外，让医生一直监视患者是不切实际的。因此，自动癫痫检测技术和实时快速预测方法对于癫痫患者至关重要，得益于人工智能的进步，这个领域正在迅速发展。
[0004]特征提取在癫痫检测中起着核心作用，它将测量到的脑电信号值转化为更相关和信息丰富的特征，以提高癫痫识别能力。大多数特征提取方法提取脑电信号的时域、频域和时频域特征，时域特征主要包括平均值、方差、熵等。时域特征反映了脑电信号的时变特性，但这些特征对噪声很敏感。频域特征可以避免噪声问题，因为噪声主要集中在固定的频段，频域特征可以过滤掉噪声对癫痫检测的影响，频域特征主要包括谱功率、谱熵、中位频率等。频域特征可以减少噪声的影响，但脑电信号的非平稳性使它们对特定时间段内脑电信号的局部变化模式不敏感。因此，将时变和频率特性相结合的时频域特征可以获得更好的检测性能。时频方法的常见方法包括小波分解和经验模态分解等。
[0005]时间域、频率域和时频域特征通常反映了某种特定属性的特征，许多研究人员需要综合几种不同的特征来进行癫痫检测。确定应该结合哪些特征以准确快速地检测脑电图信号中的癫痫是一个问题；提取过多的特征将增加计算时间，可能导致冗余，而提取过少的特征不能充分表示癫痫模式，降低识别能力。

技术实现思路

[0006]为了解决现有技术的不足，本专利技术提供了一种基于确定学习特征提取的脑电癫痫检测系统，能提取单信道短时间间隔脑电信号的非线性动力学特征，实现准确快速的癫痫检测。
[0007]第一方面，本专利技术提供了一种基于确定学习特征提取的脑电癫痫检测系统；
[0008]一种基于确定学习特征提取的脑电癫痫检测系统，包括：
[0009]训练与验证模块，其被配置为：获取多个信道的脑电信号；对每个信道的脑电信号，调用数据处理模块进行预处理，得到多个片段，并划分为训练集和验证集；对每个片段，依次调用信号扩展模块、确定学习模块和特征提取模块，得到特征向量；对每个信道的脑电
信号，基于特征向量，利用训练集训练一个分类器；基于特征向量，利用验证集选择最优信道；
[0010]检测模块，其被配置为：获取最优信道的脑电信号，并调用数据处理模块进行预处理，得到多个片段；调用信号扩展模块，对每个片段进行扩展；调用确定学习模块和特征提取模块，使用神经网络进行确定学习特征提取，得到特征向量；将特征向量放入训练好的分类器中进行癫痫检测。
[0011]进一步地，所述预处理包括：对脑电信号进行带通滤波后，分割为若干个片段。
[0012]进一步地，所述信号扩展模块，其被配置为：对每个片段，使用高增益观测器观测其高阶状态，并通过将原始状态与高阶状态组合，将单信道的脑电信号片段扩展成二维数据。
[0013]进一步地，对每个片段进行扩展后，每个片段的状态轨迹为二维平面的曲线。
[0014]进一步地，所述确定学习模块，其被配置为：对扩展后的片段进行确定学习建模，沿着所述状态轨迹，获得存储有系统动力学知识的常值径向基神经网络，所述系统动力学知识存储在状态轨迹的邻域中。
[0015]进一步地，所述邻域内包含所有被激活的神经元，未激活的神经元在邻域之外。
[0016]进一步地，所述特征提取模块，其被配置为：提取神经网络神经元中心处的非线性动力学特征，作为特征向量。
[0017]进一步地，利用验证集选择最优信道时，以分类准确率最高的信道作为最优信道。
[0018]第二方面，本专利技术还提供了一种电子设备，包括：
[0019]存储器，用于非暂时性存储计算机可读指令；以及
[0020]处理器，用于运行所述计算机可读指令，
[0021]其中，所述计算机可读指令被所述处理器运行时，执行以下步骤：
[0022]获取最优信道的脑电信号，并调用数据处理模块进行预处理，得到多个片段；
[0023]调用信号扩展模块，对每个片段进行扩展；
[0024]调用确定学习模块和特征提取模块，使用神经网络进行确定学习特征提取，得到特征向量；
[0025]将特征向量放入训练好的分类器中进行癫痫检测。
[0026]其中，分类器的训练和最优信道的获取步骤包括：获取多个信道的脑电信号；对每个信道的脑电信号，调用数据处理模块进行预处理，得到多个片段，并划分为训练集和验证集；对每个片段，依次调用信号扩展模块、确定学习模块和特征提取模块，得到特征向量；对每个信道的脑电信号，基于特征向量，利用训练集训练一个分类器；基于特征向量，利用验证集选择最优信道。
[0027]第三方面，本专利技术还提供了一种存储介质，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行以下步骤：
[0028]获取最优信道的脑电信号，并调用数据处理模块进行预处理，得到多个片段；
[0029]调用信号扩展模块，对每个片段进行扩展；
[0030]调用确定学习模块和特征提取模块，使用神经网络进行确定学习特征提取，得到特征向量；
[0031]将特征向量放入训练好的分类器中进行癫痫检测。
[0032]其中，分类器的训练和最优信道的获取步骤包括：获取多个信道的脑电信号；对每个信道的脑电信号，调用数据处理模块进行预处理，得到多个片段，并划分为训练集和验证集；对每个片段，依次调用信号扩展模块、确定学习模块和特征提取模块，得到特征向量；对每个信道的脑电信号，基于特征向量，利用训练集训练一个分类器；基于特征向量，利用验证集选择最优信道。
[0033]与现有技术相比，本专利技术的有益效果是：
[0034]本专利技术的一种基于确定学习特征提取的脑电癫痫检测系统，能提取单信道短时间间隔脑电信号的非线性动力学特征，实现准确快速的癫痫检测。
[0035]本专利技术的一种基于确定学习特征提取的脑电癫痫检测系统，其提出基于确定学习的特征提取，用于提取脑电信号的非线性动态特征，提取的特征旨在提高区分癫痫和正常脑状态的能力；并可以基于单通道的脑电图来检测癫痫发作，仅提取一种特征，简化了检测过程。
[0036]本专利技术附加方面的优点将在下面的描述中部分给出，或通过本专利技术的实践了解到。
附图说明
[0037]构成本专利技术的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于确定学习特征提取的脑电癫痫检测系统，其特征是，包括：训练与验证模块，其被配置为：获取多个信道的脑电信号；对每个信道的脑电信号，调用数据处理模块进行预处理，得到多个片段，并划分为训练集和验证集；对每个片段，依次调用信号扩展模块、确定学习模块和特征提取模块，得到特征向量；对每个信道的脑电信号，基于特征向量，利用训练集训练一个分类器；基于特征向量，利用验证集选择最优信道；检测模块，其被配置为：获取最优信道的脑电信号，并调用数据处理模块进行预处理，得到多个片段；调用信号扩展模块，对每个片段进行扩展；调用确定学习模块和特征提取模块，使用神经网络进行确定学习特征提取，得到特征向量；将特征向量放入训练好的分类器中进行癫痫检测。2.如权利要求1所述的一种基于确定学习特征提取的脑电癫痫检测系统，其特征是，所述预处理包括：对脑电信号进行带通滤波后，分割为若干个片段。3.如权利要求1所述的一种基于确定学习特征提取的脑电癫痫检测系统，其特征是，所述信号扩展模块，其被配置为：对每个片段，使用高增益观测器观测其高阶状态，并通过将原始状态与高阶状态组合，将单信道的脑电信号片段扩展成二维数据。4.如权利要求1所述的一种基于确定学习特征提取的脑电癫痫检测系统，其特征是，对每个片段进行扩展后，每个片段的状态轨迹为二维平面的曲线。5.如权利要求4所述的一种基于确定学习特征提取的脑电癫痫检测系统，其特征是，所述确定学习模块，其被配置为：对扩展后的片段进行确定学习建模，沿着所述状态轨迹，获得存储有系统动力学知识的常值径向基神经网络，所述系统动力学知识存储在状态轨迹的邻域中。6.如权利要求5所述的一种基于确定学习特征提取的脑电癫痫检测系统，其特征是，所述邻域内包含所有被激活的神经元，未激活的神经元在邻域之外。7.如权利要求1所述的一种基于确定学习特征提取的脑电癫痫检测系统，其特征是，所述特征提取模块，其被配置为：提取神经网络神经元...

【专利技术属性】
技术研发人员：王聪，张子睿，吴伟明，
申请(专利权)人：山东大学，
类型：发明
国别省市：