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：哈尔滨理工大学

摘要：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。本发明适用于癫痫的检测与预测。

主权项：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：所述LRM对信号进行深度卷积和空间卷积操作，提取浅层特征，获取LRM的输出特征张量；所述STAM对LRM的输出进行特征加权操作，强化信号在时间方向上的依赖关系、电极通道之间的相互关系；将所述STAM的输出特征张量分别输入到所述检测分支网络与所述预测分支网络中；所述检测分支网络为SDF，将所述STAM的输出通过卷积池化操作提取深层特征，并将深层特征与所述STAM每个特征提取阶段通过池化操作后的结果进行拼接，获取拼接特征张量，该特征张量为SDF的输出结果，最后对SDF的输出结果进行全连接处理，获取检测结果；所述预测分支网络为MSTM，将所述STAM的输出特征张量进行多种尺度的卷积操作提取深层特征，获取深层特征张量，该特征张量为MSTM的输出结果，最后对MSTM的输出结果进行全连接处理，获取预测结果；将SDF的输出结果与MSTM的输出结果通过AITM相结合，获得统一的多任务检测与预测结果；分别对所述检测分支网络与所述预测分支网络进行训练，获取所述检测分支网络的损失函数和所述预测分支网络的损失函数，并根据所述检测分支网络的损失函数和所述预测分支网络的损失函数，获取总损失函数；根据所述总损失函数，进行预设迭代次数的训练，获取最优的癫痫检测与预测模型，完成模型建立。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 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