【技术实现步骤摘要】
一种癫痫脑电信号处理方法、系统及辅助诊断设备
[0001]本专利技术属于脑电信号处理
,尤其涉及一种癫痫脑电信号处理方法
、
系统及辅助诊断设备
。
技术介绍
[0002]癫痫是一种慢性疾病,其特征是大脑神经元突然异常放电,导致短暂的脑功能障碍
。
它影响着全世界约
5000
万人,包括成年人
、
婴儿和幼儿等
。
癫痫患者表现出各种症状,包括全身抽搐
、
意识不清和尿失禁等
。
癫痫患者发病经常在没有预警的情况下意外发生,可能导致不可逆转的脑损伤甚至危及生命
。
因此,癫痫的早期诊断和预防措施至关重要
。CT(Computed Tomography
,计算断层成像,简称为
CT)
和
MRI(Magnetic Resonance Imaging
,磁共振成像,简称为
MRI)
等医学成像技术可以检测癫痫
。
尽管
CT
和
MRI
可以通过识别病变和提供空间信息来检测癫痫
。
然而,它们缺乏时间数据,无法检测到持续性癫痫发作
。
此外,
MRI
检测既昂贵又耗时,并且也不适用于在测试过程中需要安静躺着的患者,因此限制了其应用
。
为了解决上述应用的局限性并确保癫痫的及时诊断,脑电图
(elect ...
【技术保护点】
【技术特征摘要】
1.
一种癫痫脑电图信号处理方法,其特征在于,包括如下步骤:获取原始癫痫脑电图信号;预处理所述原始癫痫脑电图信号,以获得预处理癫痫脑电图信号;运行混合模块,所述混合模块具有特征提取和特征分类功能,所述混合模块是基于卷积神经网络和长短期记忆网络训练获得的混合模块;所述混合模块接收所述预处理癫痫脑电图信号,利用所述卷积神经网络对其进行特征提取,利用所述长短期记忆网络将其分类至相应的数据标签下;基于预处理癫痫脑电图信号子集训练长短期记忆网络,输出多个所述数据标签,每一所述数据标签均用于表征患病程度
。2.
根据权利要求1所述的癫痫脑电图信号处理方法,其特征在于,所述混合模块训练过程中生成多个超参数;配置混合模块前,所述癫痫脑电图信号处理方法还包括:评估所述混合模块,评估指标至少包括准确度
、
混淆矩阵
、
准确度
‑
召回曲线
、
受试者工作特征曲线
、
曲线下面积和召回曲线;基于评估指标确定的评估结果,优化所述混合模块,以使所述混合模块能够自动搜索最合适的超参数
。3.
根据权利要求2所述的癫痫脑电图信号处理方法,其特征在于,所述混合模块为采用监督式学习方法训练获得的混合模块,训练所述混合模块采用五个预处理癫痫脑电图信号子集;标注所述预处理癫痫脑电图信号子集
{F}
‑
{N}
‑
{O}
‑
{Z}
‑
{S}
里数据的标签:
{F}
和
{N}
的标签为1;
{O}
和
{Z}
的标签为2;
{S}
的标签为3;
{O}
和
{Z}
是健康被试;
{F}
和
{N}
是中等患病;
{S}
是重度患病,共计三个类别;每个所述预处理癫痫脑电图信号子集至少包括
100
条数据
。4.
根据权利要求1所述的癫痫脑电信号处理方法,其特征在于,预处理所述原始癫痫脑图信号至少包括:滤波
、
去除不良通道
、
基线校准和重新参考
。5.
根据权利要求1所述的癫痫脑电图信号处理方法,其特征在于,所述混合模块接收所述预处理癫痫脑电图信号,利用所述卷积神经网络对其进行特征提取,利用所述长短期记忆网络将其分类至相应的数据标签下,包括:所述预处理癫痫脑电图信号输入所述卷积神经网络所包括的卷积层和池化层以提取空间特征;所述长短记忆网络连接到所述池化层,以提取所述预处理癫痫脑电图信号的时间序列信息;利用所述长短记忆网络所包括的丢弃层和完全连接层将所述预处理癫痫脑电图信号分类至相应的所述数据标签下
。6.
根据权利要求5所述的癫痫脑电图信号处理方法,其特征在于,所述预处理癫痫脑电图信号输入所述卷积神经网络所包括的卷积层和池化层以提取空间特征包括:输入样本数
、
序列数和通道数;采用如下方式获得特征信号:其中,是第
m
个通道第
l
层卷积层的输出,
f(
·
)
是激活函数;是卷积层的第
m
个通道
的激活值;是第
n
个通道第
l
‑1层卷积层的输出;
p
是信号输入选择的特征集;代表卷积函数;是偏置;对获得的所述特征信号进行小邻域下采样,经过卷积得到新的特征,计算公式如下:其中,代表偏移系数;
down(
·
)
代表下采样函数;通过加权输入并响应公式,能够获得完全连接层,
u
l
=
w
l
x
l
‑1+b
l
,其中,
u
l
代表
l
th
全连接层的激活值,
w
l
和
b
l
表示完全连接层的权重和偏差
。7.
根据权利要求5所述的癫痫脑电图信号处理方法,其特征在于,利用所述长短记忆网络所包括的丢弃层和完全连接层将所述预处理癫痫脑电图信号分类至相应的所述数据标签下,包括:通过如下公式确定
t
时刻的候选单元为:其中,
x
t
是
t
时刻的数据输入值,
h
t
‑1是
t
‑1时刻隐藏层的输出数值,
b
c
是第一个偏移量,
W
C
为隐藏层的权重,
W
xC
为
x
t
在隐藏层的权重,
W
hC
为
h
t
‑1在隐藏层的权重;输入门
i
t
用于决定向所述候选单元添加的新信息的量,通过如下方式确定输入门
i
t
:
i
t
=
σ
(W
i
[h
t
‑1,x
t
]+b
i
)...
【专利技术属性】
技术研发人员:王夏爽,康梦雪,王正军,班昊轩,
申请(专利权)人:中国长峰机电技术研究设计院,
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。