基于EEG数据的阿尔兹海默症分类系统技术方案

本发明专利技术公开了基于EEG数据的阿尔兹海默症分类系统，包括：预处理模块：对原始EEG数据进行数据标准化和去噪处理；数据剪切模块：对预处理后的EEG数据按时间长度进行不重复剪切；网络架构模块：网络架构模块构成深度学习模型架构，其包括输入层、数据处理层、输出层，数据处理层包括首尾依次串联的多个数据处理模块；训练模块：用于将剪切后的EEG数据输入网络架构模块中，训练调整模型参数；预测模块：用于将新的EEG数据输入训练好的模型中，进行AD、MCI、HA三分类预测。本发明专利技术能够更全面、自动的提取EEG数据的特征，通过对EEG数据预处理、剪切、提高模型对时序特征的敏感性，在多轮训练后，模型在阿尔兹海默症的三分类任务上具有较高的准确性和稳定性。

【技术实现步骤摘要】

本专利技术涉及数据处理，特别是基于eeg数据的阿尔兹海默症分类系统。

技术介绍

1、痴呆症是一种临床综合症，其特征是在两个或更多认知领域逐渐下降，包括记忆、语言、执行和视觉空间功能、个性和行为，导致失去执行日常生活的工具性和/或基本活动的能力。痴呆症是由影响大脑的各种疾病和损伤引起的。阿尔茨海默氏病(ad)是痴呆症最常见的形式。阿尔茨海默病作为全球最常见的痴呆症状的原因，其患病率在一定程度上因全球老龄化而持续增长。在健康老化(ha)和ad之间普遍承认的中间阶段被称为轻度认知障碍(mci)。目前，尚不清楚患有mci的个体中有多少会发展成ad痴呆。多方面的证据表明，在疾病的早期阶段修改增加风险的生活方式，并启动药物和非药物治疗，虽然不能改变其病程，但有助于保持日常活动中的个人自主权，并显著降低疾病管理的总成本。为此需要探索其他更快速、更便宜、非侵入性的生物标志物替代方案以实现ad的早期检测。

2、为了实现这一目标，有研究人员建议分析脑电图(eeg)信号，寻找可能有助于ad诊断的特征和生物标志物。eeg信号是一种无创的时变非线性非平稳电信号，可以记录本文档来自技高网...

【技术保护点】

1.基于EEG数据的阿尔兹海默症分类系统，其特征在于：包括：

2.根据权利要求1所述的基于EEG数据的阿尔兹海默症分类系统，其特征在于：所述Conv模块包括提取输入特征空间信息的卷积层和执行层归一化的LayerNormalization层。

3.根据权利要求1所述的基于EEG数据的阿尔兹海默症分类系统，其特征在于：所述Mlp模块包括两个全连接层、StarReLU激活函数和丢弃层，经过前一全连接层的数据通过StarReLU激活函数引入非线性变换，并输入后一全连接层，后一全连接层的输出层大小与前一全连接层的输出大小一致，两个全连接层互为映射。>

4.根据权利...

【技术特征摘要】

1.基于eeg数据的阿尔兹海默症分类系统，其特征在于：包括：

2.根据权利要求1所述的基于eeg数据的阿尔兹海默症分类系统，其特征在于：所述conv模块包括提取输入特征空间信息的卷积层和执行层归一化的layernormalization层。

3.根据权利要求1所述的基于eeg数据的阿尔兹海默症分类系统，其特征在于：所述mlp模块包括两个全连接层、starrelu激活函数和丢弃层，经过前一全连接层的数据通过starrelu激活函数引入非线性变换，并输入后一全连接层，后一全连接层的输出层大小与前一全连接层的输出大小一致，两个全连...

【专利技术属性】
技术研发人员：李征骥，陈礼，兰奕珩，罗欣雨，陈兴，杨丹，陶岚菊，
申请(专利权)人：成都锦城学院，
类型：发明
国别省市：