基于去噪扩散概率模型的无监督癫痫检测系统技术方案

本发明专利技术公开了一种基于去噪扩散概率模型的无监督癫痫检测系统，属于癫痫检测技术领域。包括脑电信号获取模块和无监督癫痫检测模块，脑电信号获取模块用于获取待检测脑电信号并进行预处理，再将待检测脑电信号转换为脑电信号重构图；无监督癫痫检测模块用于将脑电信号重构图输入训练好的去噪扩散概率模型中进行处理，获取癫痫检测结果；具体包括：对脑电信号重构图进行前向扩散，获取马尔可夫链上的噪声值并与预设的阈值进行比较，根据阈值在反向扩散过程中恢复脑电信号重构图中的异常信号，获取潜在变量并解码；比较脑电信号重构图和解码后的潜在变量，获取癫痫检测结果。提升了癫痫脑电信号识别准确性，解决了癫痫检测效率和准确性低的问题。

【技术实现步骤摘要】

本专利技术涉及癫痫检测，特别是涉及一种基于去噪扩散概率模型的无监督癫痫检测系统。

技术介绍

1、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。

2、癫痫是一种持续性、复发性神经系统疾病，不具有传染性，是由脑神经细胞突然异常放电引起的，这种异常放电会导致患者意识丧失以及运动、情绪、知觉和精神系统等受到损伤。

3、脑电图诊断是目前十分重要的一种诊断癫痫发作的手段，脑电图通过使用头部表面的头皮电极或大脑中的颅内电极而创建，脑电信号可以描绘大脑的电活动，因此，在术前检查中，脑电信号对于区分癫痫发作信号和非癫痫发作信号以及定位癫痫区至关重要。

4、神经科医生通常通过人眼检查冗长的脑电图信号记录来诊断癫痫，然而，视觉评估的准确性在很大程度上取决于神经科医生的知识和经验，具有较高的主观性，而且因为随着脑电图数据量的增加，视觉检查耗时耗力，其劳动密集型性质将导致神经科医生的诊断准确性下降。因此，实现更有效、更客观且准确性更高的自动癫痫检测具有重要意义。

5、近年来，基于机器学习的方法在基于脑电信号本文档来自技高网...

【技术保护点】

1.基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，包括：

2.如权利要求1所述的基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，训练去噪扩散概率模型的实现过程如下：

3.如权利要求2所述的基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，以预测噪声和真实噪声一致为优化目标，对去噪扩散概率模型进行训练。

4.如权利要求1所述的基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，对待检测脑电信号进行预处理的实现过程如下：

5.如权利要求1所述的基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，所述将预处理后的待检测脑电信...

【技术特征摘要】

1.基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，包括：

2.如权利要求1所述的基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，训练去噪扩散概率模型的实现过程如下：

3.如权利要求2所述的基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，以预测噪声和真实噪声一致为优化目标，对去噪扩散概率模型进行训练。

4.如权利要求1所述的基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，对待检测脑电信号进行预处理的实现过程如下：

5.如权利要求1所述的基于去噪扩散概率模型的无监督癫痫检测系统，其特征在于，所述将预处理后的待检测脑电信号转换为隐变量空间的潜在变量的实现过程如下：

6.如权利要求5所述的基于去噪扩散概率模型的无监督...

【专利技术属性】
技术研发人员：黄文慧，王嘉乐，王世兴，王海鹏，盖新亭，车晓玮，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：