基于跨链接嵌套子网及混合依存算法的癫痫检测方法及系统技术方案

本发明专利技术公开了一种基于跨链接嵌套子网及混合依存算法的癫痫检测方法及系统，其中所述检测方法包括S1:利用多任务分解模态及频谱变换算法将原始脑电信号数据转换为脑电图；S2:构建跨链接嵌套子网的时序并行多维粒度特征学习模块，将所述频谱图矩阵送入跨链接嵌套子网架构进行时空特征学习；S3:将跨链接嵌套子网分支的输出经过全连接层和位置嵌入求和，将求和与S1脑电图的结果分别输入到混合脑电依存算法，以进行多维脑电依存计算；S4:将混合脑电依存算法的输出送入分类器得到癫痫检测的结果。该方法能够有效的提取基于时频域信号的多维信息，在单通道数据集和多通道数据集上都获得了最佳性能。

【技术实现步骤摘要】

本专利技术涉及生物信号处理，具体涉及基于跨链接嵌套子网及混合依存算法的癫痫检测方法及系统。

技术介绍

1、癫痫是一种神经系统疾病，影响着全球超过5000万的人口。其被认为是一种主要慢性疾病，且每年的患病人数以500万的速度持续增长。频繁的癫痫发作可能会对大脑工作产生不利的影响，引起记忆力、认知能力和整体的生理功能的下降，从而对受此类发作影响的个体健康带来持续的风险。癫痫发作的症状主要有两类，第一类是失去知觉并伴有身体各部位无法控制的颤抖；第二类是不同程度的局部癫痫或特定身体部位出现短暂的意识丧失。通常，癫痫发作过程的持续时间约为2分钟，从发作到恢复正常状态需要一定的时间。尽管抗癫痫药物有效降低了癫痫发作的频率，但进一步认识癫痫所产生的有害影响至关重要。

2、脑电图是一种生物物理诊断技术，医学研究人员可以利用它来获取于癫痫患者相关的视觉数据。由于其具有易于生成，成本效益高并且能够提供高分辨率数据的特点，逐渐成为了医疗领域流行的检测技术。然而，手动识别癫痫是一项要求很高且复杂的任务，这需要临床专业的人员花费大量时间来对脑电图模式进行解码。从医学的角本文档来自技高网...

【技术保护点】

1.一种基于跨链接嵌套子网及混合依存算法的癫痫检测方法，其特征在于，包括

2.根据权利要求1所述的一种基于跨链接嵌套子网及混合依存算法的癫痫检测方法，其特征在于，脑图生成的第一阶段：S1中利用所述多任务分解模态将每个信号切片中所有通道的原始信号分解成多个模态函数，并按照频率从高到低顺序进行选择来统一其数量，步骤如下：

3.根据权利要求1所述的一种基于跨链接嵌套子网及混合依存算法的癫痫检测方法，其特征在于，S2中所述跨链接嵌套子网的时序并行多维粒度特征学习模块由两个并行的子网络构成，每个子网络包括以下两个部分：

4.根据权利要求1所述的一种基于跨链接嵌套...

【技术特征摘要】

1.一种基于跨链接嵌套子网及混合依存算法的癫痫检测方法，其特征在于，包括

2.根据权利要求1所述的一种基于跨链接嵌套子网及混合依存算法的癫痫检测方法，其特征在于，脑图生成的第一阶段：s1中利用所述多任务分解模态将每个信号切片中所有通道的原始信号分解成多个模态函数，并按照频率从高到低顺序进行选择来统一其数量，步骤如下：

3.根据权利要求1所述的一种基于跨链接嵌套子网及混合依存算法的癫痫检测方法，其特征在于，s2中所述跨链接嵌套子网的时序并行多维粒度特征学习模块由两个并行的子网络构成，每个子网络包括以下两...

【专利技术属性】
技术研发人员：周俏丽，张顺，许莉，朱继召，丁国辉，范纯龙，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：