棘波识别模型构建方法技术

本发明专利技术涉及医疗技术领域，公开了棘波识别模型构建方法

【技术实现步骤摘要】
棘波识别模型构建方法、棘波识别方法、装置及设备


[0001]本专利技术涉及医疗
，具体涉及棘波识别模型构建方法
、
棘波识别方法
、
装置及设备
。

技术介绍

[0002]癫痫样棘波是由颅内大脑皮层大量锥体神经元同步异常放电，经颅骨等脑组织传导后被颅外电极记录
。
脉冲神经网络
(Spiking Neural Network
，
SNN)
是一种模拟大脑神经元动力学的模型
。
[0003]目前为止，神经网络已经发展到了第三代，基于前两代神经网络构建的特征学习模型，由于对致痫区神经元放电传播机制认识不明朗，制约可溯型癫痫样棘波类间差异信息的学习，导致学习模型的识别效果远未满足临床使用诉求
。
而以神经科学导向的脉冲神经网络，旨在从生物物理原理解释神经元放电发生发展动力学基础，但因可溯型癫痫样棘波发生发展过程涉及的神经系统动力学调控是兴奋性和抑制性神经元在脉冲阈值附近波动的平衡输入的结果
。/>[0004]而目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种棘波识别模型构建方法，其特征在于，所述方法包括：获取脑电信号；对所述脑电信号进行分割，得到棘波脑电信号段；对所述棘波脑电信号段进行脉冲编码，得到脉冲序列；基于所述脉冲序列以及神经元动力学机制构建初始神经元模型；基于神经元突触内部可塑性调节机制，对所述初始神经元模型进行更新，构建自适应神经元模型；基于所述自适应神经元模型，构建脉冲神经网络，所述脉冲神经网络用于对所述脉冲序列进行特征映射；基于神经元突触内部可塑性调节机制，对所述脉冲神经网络进行更新，得到目标棘波识别模型
。2.
根据权利要求1所述的方法，其特征在于，所述基于所述脉冲序列以及神经元动力学机制构建初始神经元模型，包括：预设神经元的静息态膜电位
、
膜电容以及膜电阻；在存在膜电流输入的情况下，确定神经元的膜电位，其中，所述膜电流由突触前神经元的脉冲序列加权得到；基于所述静息态膜电位
、
所述膜电位
、
所述膜电容
、
所述膜电阻，建立所述初始神经元模型，所述初始神经元模型用于描述脑内源传递到测量空间时的动力混沌系统
。3.
根据权利要求2所述的方法，其特征在于，所述基于神经元突触内部可塑性调节机制，对所述初始神经元模型进行更新，构建自适应神经元模型，包括：所述初始神经元模型为：其中，
V
t
为
t
时刻的膜电位，
τ
＝
C
m
R
m
为时间常数，
C
m
、R
m
分别表示所述膜电容
、
所述膜电阻，
I(t)
表示突触前神经元脉冲到达触发的突触产生的总输入电流；离散化所述初始神经元模型：其中，
V
t
‑1为
t
‑1时刻的膜电位，
I
t
为
t
时刻的膜电流；当一个神经元发放脉冲后，神经元的膜电位被重置为所述静息态膜电位，设置所述膜电容为预设值，更新离散化后的所述初始神经元模型；确定自适应函数，以自适应地调整输入，来控制神经元膜电位，保证输出值在0和1之间，所述自适应函数为：
F
t
＝
σ
(f(
δ
t
‑1))
其中，
F
t
为所述输出值，
δ
t
‑1表示在
t
‑1时刻的脉冲发放，
σ
表示
sigmoid
函数，
f
表示卷积运算符；基于更新后的所述初始神经元模型
、
所述自适应函数，确定所述自适应神经元模型
。4.
根据权利要求3所述的方法，其特征在于，所述自适应神经元模型为：
其中，
Θ
表示元素相乘
。5.
根据权利要求1所述的方法，其特征在于，所述基于神经元突触内...

【专利技术属性】
技术研发人员：程晨晨，施云波，尤波，陈晨，李佳钰，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：