一种基于时-空-频注意力的癫痫脑电信号分类方法技术

本发明专利技术属于深度学习技术领域，公开了一种基于时‑空‑频注意力的癫痫脑电信号分类方法，主要分为数据集获取、数据预处理、特征提取三个阶段。本发明专利技术综合考虑脑电信号的空间域、频域、时域特征，基于注意力机制构建了一个癫痫分类模型，用以完成对癫痫脑电信号的检测及多分类任务。其中癫痫检测任务可以看作癫痫二分类任务，即将脑电片段分为癫痫发作和非癫痫发作两类；癫痫多分类任务将癫痫脑电片段分为不同的类别。

【技术实现步骤摘要】

本专利技术属于深度学习，涉及一种基于时-空-频注意力的癫痫脑电信号分类方法，用于提高医生对癫痫的诊疗效率。

技术介绍

1、与本专利技术相关的技术包括三方面：第一是通道注意力机制；第二是空间注意力机制；第三是一次性聚合模块。

2、通道注意力机制旨在将不同卷积核提取到的特征联系起来，通过学习通道之间的相关性来增强网络对特征的学习能力。hu等人在文献《squeeze-and-excitationnetworks》中引入了通道注意力机制，其核心是通过一个压缩-激励(squeeze-and-excitation)模块用于捕获特征的全局信息，同时学习通道之间的关系。其中压缩模块通过全局平均池化层来收集特征的全局空间信息；激励模块通过使用全连接层和非线性激活函数来学习通道间的相关性，最后将注意力分数与输入特征做逐元素乘法完成对输入特征的加权。注意力分数的具体计算过程可表示如下公式：

3、s＝fse(x,θ)＝σ(w2δ(w1g(x))) (1)

4、其中fse表示压缩-激励模块，σ和δ为非线性激活函数，g为全局平均池化函数。对于脑电信本文档来自技高网...

【技术保护点】

1.一种基于时-空-频注意力的癫痫脑电信号分类方法，其特征在于，该癫痫脑电信号分类方法主要分为数据集获取、数据预处理、特征提取三个阶段；

【技术特征摘要】

1.一种基于时-空-频注意力的癫痫脑电信号分类方法，其特征在于，该癫...

【专利技术属性】
技术研发人员：范晓娅，徐鹏志，王忠，赵正，赵奇，郝晨汝，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：