【技术实现步骤摘要】
本专利技术涉及一种眼震分类方法，尤其是涉及一种基于时间序列预测的多视图眼震分类方法及系统。
技术介绍
1、头晕和眩晕是许多疾病的常见临床症状和典型症状。在我国人口众多、老龄化加剧的社会中，头晕和眩晕的患者数量日益增加。在头晕、眩晕的床旁检查中，眼球震颤是前庭病变最敏感、最具特异性的体征。通过临床采集的眼球运动视频测量眼球震颤模式，可为头晕和眩晕的诊断提供有价值的参考依据。在临床中，视频眼震图(vng)检查是诊断良性阵发性位置性眩晕(bppv)的金标准，它需要医疗专业人员在vng视频上检查眼球震颤的方向、频率、强度、持续时间和强度变化。这是一个受医生经验影响很大的繁琐过程，容易出错。现有的基于机器学习或者基于深度学习的方法存在着许多不足之处，其主要集中于提取特征能力不强，对眼球轴向旋转矢量特征提取困难，有些算法只能对水平和垂直两种眼震进行识别，或者只能进行二分类，具有较强的局限性。
2、在线性代数中，gram矩阵可以表示为一组向量在内积空间中的hermitian矩阵，其值由元素的向量内积决定。gram矩阵在数学、控制系统理论、...
【技术保护点】
1.一种基于时间序列预测的多视图眼震分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于时间序列预测的多视图眼震分类方法，其特征在于，所述的视频眼震图为标准音频视频交错格式或动态图像专家组格式。
3.根据权利要求1所述的一种基于时间序列预测的多视图眼震分类方法，其特征在于，所述对步骤S1得到的视频眼震图进行预处理包括以下步骤：
4.根据权利要求1所述的一种基于时间序列预测的多视图眼震分类方法，其特征在于，所述神经网络算法结合神经常微分方程具体为：将神经网络看作一种随机连续化的系统，使用神经常微分方程求解器来对神经网...
【技术特征摘要】
1.一种基于时间序列预测的多视图眼震分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于时间序列预测的多视图眼震分类方法，其特征在于，所述的视频眼震图为标准音频视频交错格式或动态图像专家组格式。
3.根据权利要求1所述的一种基于时间序列预测的多视图眼震分类方法，其特征在于，所述对步骤s1得到的视频眼震图进行预处理包括以下步骤：
4.根据权利要求1所述的一种基于时间序列预测的多视图眼震分类方法，其特征在于，所述神经网络算法结合神经常微分方程具体为：将神经网络看作一种随机连续化的系统，使用神经常微分方程求解器来对神经网络隐藏状态在时间连续的条件下进行动力学建模，激活函数为relu函数。
5.根据权利要求1所述的一种基于时间序列预测的多视图眼震分类方法，其特征在于，将常规多头自注意力机制中的softmax函数改为可分解的核函数，选择余弦相似度函数作为核函数，完成对多头注意力机制的低秩线性化改进...
【专利技术属性】
技术研发人员：邱禧荷，史少杰，王海玲，高永彬，方志军，李文妍，吴沛霞，
申请(专利权)人：上海工程技术大学，
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。