基于Transformer的自监督图神经网络癫痫检测方法技术

本发明专利技术涉及癫痫检测技术领域，尤其涉及基于Transformer的自监督图神经网络癫痫检测方法。步骤如下:S1：对原始EEG数据进行预处理，构建EEG图；S2：基于DCTran搭建图神经网络，通过扩散卷积和Transformer结构分别捕捉EEG信号的时空依赖关系；S3：通过基于自监督预测预训练任务和基于掩码的重建预训练任务的时空联合互补双分支预训练进行训练模型。本发明专利技术提供的基于Transformer的自监督图神经网络癫痫检测方法，将EEG数据建模为图结构，提出了基于Transformer的扩散卷积时空网络DCTran；扩散卷积通过多阶邻居信息传播，准确捕捉电极间的复杂空间关系；同时充分利用EEG信号的全局上下文信息，DCTran引入Transformer结构对时序序列进行建模，有效捕捉信号中的长距离时间依赖关系。

【技术实现步骤摘要】

本专利技术涉及癫痫检测，尤其涉及基于transformer的自监督图神经网络癫痫检测方法。

技术介绍

1、癫痫作为一种常见的慢性神经系统疾病，严重影响患者的生活质量和生命安全。近年来，脑电图(eeg)信号分析在癫痫的临床诊断与研究中占据关键地位。传统癫痫检测方法依赖于卷积神经网络(cnn)和递归神经网络(rnn)，尽管在某些方面表现良好，但eeg信号高度复杂的时空特性使得传统分析方法仍面临诸多困境。

2、一方面，脑电信号空间结构呈现非欧几里得特性，电极间连接关系错综复杂，传统方法难以有效捕捉电极之间的空间拓扑关系，而这一关系对于癫痫病灶的定位和发作预测至关重要；另一方面，时间序列具有动态变化性，癫痫发作的时间点和规律难以精准预测，这些都为准确分析eeg信号带来了极大的挑战。

3、图神经网络(gnn)作为新兴的非欧几里得数据处理技术，为eeg信号分析带来了新的希望。通过将eeg电极网络建模为图结构，gnn能够同时捕捉信号的时间动态特征和空间拓扑关系，更全面地解析癫痫发作的神经机制。

4、为此，设计基于transformer本文档来自技高网...

【技术保护点】

1.基于Transformer的自监督图神经网络癫痫检测方法，其特征在于，步骤如下:

2.根据权利要求1所述的基于Transformer的自监督图神经网络癫痫检测方法，其特征在于，S1步骤中，构建EEG图，步骤如下：

3.根据权利要求2所述的基于Transformer的自监督图神经网络癫痫检测方法，其特征在于，所述距离图构建步骤如下：

4.根据权利要求2所述的基于Transformer的自监督图神经网络癫痫检测方法，其特征在于，所述相关图构建步骤如下：

5.根据权利要求1所述的基于Transformer的自监督图神经网络癫痫检测方法，其特征...

【技术特征摘要】

1.基于transformer的自监督图神经网络癫痫检测方法，其特征在于，步骤如下:

2.根据权利要求1所述的基于transformer的自监督图神经网络癫痫检测方法，其特征在于，s1步骤中，构建eeg图，步骤如下：

3.根据权利要求2所述的基于transformer的自监督图神经网络癫痫检测方法，其特征在于，所述距离图构建步骤如下：

4.根据权利要求2所述的基于transformer的自监督图神经网络癫痫检测方法，其特征在于，所述相关图构建步骤如下：

5.根据权利要求1所述的基于transformer的自监督图神经网络癫痫检测方法，其特征在于，s2步骤中，步骤如下：

6.根据权利...

【专利技术属性】
技术研发人员：冯欣，李浩斌，张琼敏，何思源，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：