【技术实现步骤摘要】
本专利技术实施例涉及脑电信号处理，尤其涉及一种棘波信号检测方法、装置、电子设备和存储介质。
技术介绍
1、棘波是脑电信号中的一种特殊波形，通常表现为高振幅、短持续时间的波形。棘波的出现可以反映大脑的特定功能活动、神经元之间的通信以及某些神经系统疾病的表现。
2、近几年，深度学习框架在脑电信号的棘波检测领域中逐渐得到应用，该类算法常常有着可以自主从数据中获得更具区分度的深层特征的学习和表达能力。然而，深度学习算法多适用于数据量较大的场景中，通过足量与多样的数据对模型进行训练，以达到期望的实验效果。脑电数据集多因采集困难等问题导致数据量较小，且其中棘波信号更不易获取，这使得深度学习模型训练不足从而产生过拟合现象，泛化性能大幅降低。因此，利用深度学习模型对脑电信号中的棘波信号进行检测，得到的检测结果不够准确，降低了棘波信号检测的效率。
技术实现思路
1、本专利技术实施例提供一种棘波信号检测方法、装置、电子设备和存储介质，不需要使用训练好的深度学习模型，而是实时对脑电信号进行处理，从而...
【技术保护点】
1.一种棘波信号检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，基于预先确定的小波包变换算法和重构函数对所述脑电信号进行能量值计算，得到所述脑电信号的能量值，包括：
3.根据权利要求2所述的方法，其特征在于，基于所述重构函数和所述小波包系数得到所述脑电信号的能量值，包括：
4.根据权利要求1所述的方法，其特征在于，基于所述脑电信号的能量值和预设采样频率得到所述脑电信号的包络线，包括：
5.根据权利要求1所述的方法，其特征在于，所述包络线包括上包络线和和下包络线，根据所述包络线确定所述当前生...
【技术特征摘要】
1.一种棘波信号检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，基于预先确定的小波包变换算法和重构函数对所述脑电信号进行能量值计算，得到所述脑电信号的能量值，包括：
3.根据权利要求2所述的方法，其特征在于，基于所述重构函数和所述小波包系数得到所述脑电信号的能量值，包括：
4.根据权利要求1所述的方法，其特征在于，基于所述脑电信号的能量值和预设采样频率得到所述脑电信号的包络线，包括：
5.根据权利要求1所述的方法，其特征在于，所述包络线包括上包络线和和下包络线，根据所述包络线确定所述当前生物体的当前通道对应的棘波判断阈值...
【专利技术属性】
技术研发人员：蒿杰，李金芝，王秀英，
申请(专利权)人：广东人工智能与先进计算研究院，
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。