【技术实现步骤摘要】
本公开涉及人工智能，具体而言，涉及一种异常放电检测方法、异常放电检测装置、计算机程序产品和电子设备。
技术介绍
1、本部分旨在为权利要求中陈述的本公开的实施方式提供背景或上下文，此处的描述不因为包括在本部分中就承认是现有技术。
2、脑电图是判断患者脑部功能是否异常的重要依据，对于临床诊疗、病情严重程度评估具有重要价值。人工智能技术的飞速发展为脑电图自动分析的实现提供了可能，特别是神经网络技术，它在检测脑电异常放电方面展现出较好的应用潜力。
技术实现思路
1、然而，相关技术中的脑电异常自动检测方法的检测准确性和可靠性不足，难以实现真正独立的脑电信号异常检测。
2、为此，非常需要一种异常放电检测方法，以提高脑电异常自动检测的准确性和可靠性。
3、在本上下文中，本专利技术的实施方式期望提供一种异常放电检测方法、异常放电检测装置、计算机可读存储介质、计算机程序产品及电子设备。
4、根据本公开实施方式的第一方面，提供了一种异常放电检测方法，包括：确定受...
【技术保护点】
1.一种异常放电检测方法，其特征在于，包括；
2.根据权利要求1所述的方法，其特征在于，所述确定受测对象的待检测生物医学信号包括：
3.根据权利要求1或2所述的方法，其特征在于，所述对所述第一异常放电检测和所述第二异常放电检测的检测情况进行融合，得到所述受测对象的异常放电检测结果包括：
4.根据权利要求1所述的方法，其特征在于，所述第一异常放电检测子模型包括第一多头注意力子模型、第一深度卷积神经网络子模型和第一全连接层；
5.根据权利要求1所述的方法，其特征在于，所述第二异常放电检测子模型包括第二深度卷积神经网络子模型和
【技术特征摘要】
1.一种异常放电检测方法，其特征在于，包括；
2.根据权利要求1所述的方法，其特征在于，所述确定受测对象的待检测生物医学信号包括：
3.根据权利要求1或2所述的方法，其特征在于，所述对所述第一异常放电检测和所述第二异常放电检测的检测情况进行融合，得到所述受测对象的异常放电检测结果包括：
4.根据权利要求1所述的方法，其特征在于，所述第一异常放电检测子模型包括第一多头注意力子模型、第一深度卷积神经网络子模型和第一全连接层；
5.根据权利要求1所述的方法，其特征在于，所述第二异常放电检测子模型包括第二深度卷积神经网络子模型和第二全连接层；
6.根据权利要求...
【专利技术属性】
技术研发人员：胡鹏，林楠，李恋，卢强，梁子，崔丽英，张少博，孙鹤阳，贺海波，高伟芳，董一粟，
申请(专利权)人：杭州网之易创新科技有限公司，
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。