基于融合脑电标记与混合模型的癫痫手术结果预测方法技术

本发明专利技术属于生物医学工程和机器学习领域，公开了基于融合脑电标记与混合模型的癫痫手术结果预测方法，包括：获取外科手术治疗的癫痫患者的电子病历作为初始样本集；对初始样本集筛选处理，获取训练用样本集；对训练用样本集中的样本脑电数据预处理；计算标记物；对标记物进行特征提取；采用多种机器学习模型，分别结合标记物的特征，对样本的手术结果进行初步预测训练；根据初步预测训练结果筛选较优标记物，将较优标记物混合、构造为融合标记物，将融合标记物与多种机器学习模型结合，进一步预测样本手术结果，最后对预测结果集成。本发明专利技术能准确预测患者的外科手术治疗结果，为外科手术提供科学指导，量化手术结果，准确率达94.30％。

【技术实现步骤摘要】

本专利技术属于生物医学工程和机器学习领域，具体涉及一种基于融合脑电标记与混合模型的癫痫手术结果预测方法。

技术介绍

1、癫痫作为一种常见的慢性神经疾病，对患者的身心健康危害极大。目前，外科手术通过切除和消融癫痫病灶区域治疗癫痫，是药物难治性癫痫的主要方法。

2、中国专利cn113647962a公开了一种基于深度学习集成模型的癫痫定位与发作预测方法。其包括构建数据集；构建彩色时频图；获得hfo识别模型；确定疑似致痫通道；获得编码模型、解码模型、降维特征向量、特征预测模型和特征发作识别模型；构建发作预测模型；对被测癫痫患者的癫痫发作进行预测等步骤。本专利技术中hfo识别模型在卷积神经网络基础上增加对输入的小波变换特征提取，通过彩色时频图实现信号各频段特征增强融合，提高卷积神经网络的特征提取效果。hfo识别模型优化人工观察脑电信号寻找hfo信号过程，即定位致痫通道的复杂过程。该专利的发作预测模型能简化特征工程工作，利用卷积自编码模型实现自动提取降维特征，不需确定癫痫发作前期和利用先验知识提取信号特征，模型的预测能力使得被试癫痫患者能够提前收到癫痫发作本文档来自技高网...

【技术保护点】

1.一种基于融合脑电标记与混合模型的癫痫手术结果预测方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的预测方法，其特征在于，在步骤S2中，所述训练用样本集中的每个样本至少包括：

3.根据权利要求1所述的预测方法，其特征在于，所述步骤S3具体包括：

4.根据权利要求3所述的预测方法，其特征在于，在步骤S31中，选择预处理软件为Python 3.9.18下的MNE 1.0.2数据包；

5.根据权利要求1所述的预测方法，其特征在于，所述步骤S4中，采用经过预处理的每个样本脑电数据，针对每个样本脑电数据分别计算21个基于脑电的、识别...

【技术特征摘要】

1.一种基于融合脑电标记与混合模型的癫痫手术结果预测方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的预测方法，其特征在于，在步骤s2中，所述训练用样本集中的每个样本至少包括：

3.根据权利要求1所述的预测方法，其特征在于，所述步骤s3具体包括：

4.根据权利要求3所述的预测方法，其特征在于，在步骤s31中，选择预处理软件为python 3.9.18下的mne 1.0.2数据包；

5.根据权利要求1所述的预测方法，其特征在于，所述步骤s4中，采用经过预处理的每个样本脑电数据，针对每个样本脑电数据分别计算21...

【专利技术属性】
技术研发人员：洪蕴，孙立鹏，金伟，金伟锋，
申请(专利权)人：浙江中医药大学，
类型：发明
国别省市：