基于多任务癫痫脑电检测与预测模型的建立方法、检测与预测方法和计算机设备技术

基于多任务癫痫脑电检测与预测模型的建立方法、检测与预测方法和计算机设备，属于医疗领域，解决癫痫脑电信号中干扰较多、数据量不均衡以及边界区分困难的问题。方法包括：以LRM和STAM为主干网络框架，以SDF作为检测分支网络，以MSTM作为预测分支网络，以AITM作为多任务网络的连接部分。主干网络对输入信号采用参数硬共享的方式进行浅层特征提取，将提取的时间、空间特征共享给两个分支网络。在检测分支中，通过SDF将深浅特征相融合。在预测分支中，通过MSTM拓宽了网络结构。通过AITM实现了癫痫检测任务与癫痫预测任务的信息共享。本发明专利技术适用于癫痫的检测与预测。

【技术实现步骤摘要】

本申请涉及医疗领域，尤其涉及癫痫脑电信号的检测与预测。

技术介绍

1、癫痫是一种慢性神经系统疾病，由于病程长期反复,且发作前无明显征兆,常常使患者身心遭受巨大困扰，影响患者的正常生活。准确的癫痫检测与预测结果对患者的早期诊断具有重要意义。

2、卷积神经网络能够极大提高癫痫检测与预测的准确度，广泛的应用于医学信号分类领域。它能实现癫痫的自动检测与预测，对于突发性癫痫，及时准确的检测可使患者及时进行药物治疗，并在癫痫结束时停止服药，及时准确的预测可使患者及时停止工作活动，并采取补救措施降低癫痫发作带来的伤害。因此，有效的癫痫发作检测与预测有巨大的应用价值和意义。

3、脑电图(eeg)是一种可以记录脑神经元中电压波动变化量的方法。常用的eeg信号有两种，一种是颅内eeg(ieeg)信号，另一种是头皮eeg(seeg)信号。ieeg需要通过开颅手术后将电极放置在大脑顶部，记录电极数据，这种数据采集干扰较小，但对患者伤害较大；seeg是将电极放置在患者头部，是目前常用的无创采集脑电的方法，但采集到的数据受到心电、肌电、眼电等干扰较为明显。癫痫本文档来自技高网...

【技术保护点】

1.一种基于多任务癫痫脑电检测与预测模型的建立方法，其特征在于，所述癫痫脑电检测与预测模型以提出的轻量残差块(LRM)和时空注意力模块(STAM)为主干网络框架，以提出的深浅特征融合模块(SDF)作为检测分支网络，以提出的多尺度时间空间模块(MSTM)作为预测分支网络，以自适应信息迁移模块(AITM)作为多任务网络的连接部分，所述方法包括：

2.根据权利要求1所述的一种基于多任务癫痫脑电检测与预测模型的建立方法，其特征在于，所述LRM执行步骤具体包括：

3.根据权利要求2所述的一种基于多任务癫痫脑电检测与预测模型的建立方法，其特征在于，所述STAM包括时间注意力模...

【技术特征摘要】

1.一种基于多任务癫痫脑电检测与预测模型的建立方法，其特征在于，所述癫痫脑电检测与预测模型以提出的轻量残差块(lrm)和时空注意力模块(stam)为主干网络框架，以提出的深浅特征融合模块(sdf)作为检测分支网络，以提出的多尺度时间空间模块(mstm)作为预测分支网络，以自适应信息迁移模块(aitm)作为多任务网络的连接部分，所述方法包括：

2.根据权利要求1所述的一种基于多任务癫痫脑电检测与预测模型的建立方法，其特征在于，所述lrm执行步骤具体包括：

3.根据权利要求2所述的一种基于多任务癫痫脑电检测与预测模型的建立方法，其特征在于，所述stam包括时间注意力模块和空间注意力模块；

4.根据权利要求3所述的一种基于多任务癫痫脑电检测与预测模型的建立方法，其特征在于，所述stam执行步骤具体包括：

5.根据权利要求4所述的一种基于多任务癫痫脑电检测与预测模型的建立方法，其特征在于，所述得到输出特征张量f1...

【专利技术属性】
技术研发人员：李冰，郭宇，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：