龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：上海交通大学
摘要：本发明提供了一种基于脑电数据进行癫痫发作检测和自动标注的方法和系统，包括：步骤1：获取存在癫痫发作可能性的脑电图记录，并进行预处理；步骤2：搭建基于深度学习的SC‑LSTM模型，包括两个并行的特征提取模块和一个分类模块，用于癫痫脑电图的特征提取、特征选择融合和癫痫检测分类。本发明采用的深度学习技术可以自动从EEG信号中捕获有效特征，并实现端到端的癫痫发作检测，将深度学习技术应用于癫痫发作检测可以减轻神经科医生的工作负担，促进工作效率，并提高检测准确性。
主权项：1.一种基于脑电数据进行癫痫发作检测和自动标注的方法，其特征在于，包括：步骤1：获取存在癫痫发作可能性的脑电图记录，并进行预处理；所述预处理包括：根据专家意见进行初步筛选；生成双极蒙太奇，把不同EDF文件中信号重新排列设置为相同的顺序；对数据进行下采样；将脑电图按照不同时间窗口大小和块的数量划分为脑电图片段进行评估，将不相交的脑电片段作为正样本，从标记为未发作的脑电图取出同样大小同样数量的脑电片段作为负样本；步骤2：搭建基于深度学习的SC-LSTM模型，包括两个并行的特征提取模块和一个分类模块，用于癫痫脑电图的特征提取、特征选择融合和癫痫检测分类；将经过降低频率的脑电数据作为输入，在第一个特征提取模块中以3层2D卷积块为基础架构，并插入两种空间和通道重建卷积SCConv提取脑电数据的空间和通道特征；并行使用双向长短期记忆网络BiLSTM提取原始数据的时序特征，使用Flatten层将提取的脑电数据的空间和通道特征和原始数据的时序特征统一为一维特征向量，并进行横向连接操作，作为最终特征表示；分类模块由3个全连接层组成，使用sigmoid激活函数使输出在0，1之间。
全文数据：
权利要求：
百度查询： 上海交通大学 基于脑电数据进行癫痫发作检测和自动标注的方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号