【技术实现步骤摘要】
本公开的实施方式涉及人工智能与多模态，更具体地，本公开的实施方式涉及一种人脑异常放电检测方法、人脑异常放电检测装置、计算机可读存储介质及电子设备。
技术介绍
1、本部分旨在为权利要求中陈述的本公开的实施方式提供背景或上下文，此处的描述不因为包括在本部分中就承认是现有技术。
2、人脑异常放电由脑细胞的异常活动造成，能够引起癫痫等神经系统疾病。通过脑电图等检查手段检测人脑异常放电，能够帮助医生识别患者疾病。例如，在脑电图中检测到癫痫样放电，是癫痫确诊的重要标准之一。
3、人脑异常放电检测涉及到脑电图等检测数据，数据检测与分析的工作繁重，耗费大量的人力与时间成本。因此，业界对于人脑异常放电的自动化检测需求越来越高。
技术实现思路
1、然而，目前人脑异常放电检测的准确性有待提高。
2、相关技术中，采用人工智能技术进行人脑异常放电检测，例如基于深度学习训练癫痫样放电识别智能网络，以进行人脑的癫痫样放电检测。相关文献报道其准确率仅达到70％，需要专业医生和技术人员对...
【技术保护点】
1.一种人脑异常放电检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取受测对象的生物医学特征数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述生物医学监测数据包括：从所述受测对象的头皮的多个部位处采集的多通道脑电监测数据；所述根据预处理后的生物医学监测数据得到所述生物医学特征数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述生物医学特征数据包括脑电信号波形特征；所述根据所述脑电信号初始特征数据提取所述生物医学特征数据，包括：
5.根据权利要求3所述的方法，其特征在于，所述...
【技术特征摘要】
1.一种人脑异常放电检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取受测对象的生物医学特征数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述生物医学监测数据包括：从所述受测对象的头皮的多个部位处采集的多通道脑电监测数据；所述根据预处理后的生物医学监测数据得到所述生物医学特征数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述生物医学特征数据包括脑电信号波形特征；所述根据所述脑电信号初始特征数据提取所述生物医学特征数据，包括：
5.根据权利要求3所述的方法，其特征在于，所述生物医学特征数据包括脑电信号时频特征；所述根据所...
【专利技术属性】
技术研发人员：梁子，林楠，李恋，戴朝约，陈俊晖，卢强，崔丽英，金丽日，高伟芳，张少博，董一粟，贺海波，
申请(专利权)人：网易传媒科技北京有限公司，
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。