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:西安交通大学
摘要:基于模糊聚类和长短时记忆网络的癫痫发作信号检测方法,对生理信号采集及预处理,再特征提取,通过模糊C均值聚类FCM将样本分为非发作期样本和潜在发作期样本,对潜在的发作期样本进行重构,并输入LSTM模型进行训练,根据训练好的LSTM模型估计潜在发作期样本的发作概率;本发明使用了两级分类器,通过对运动状态的筛选,降低了算法复杂度,提高了算法实时性;同时,结合了模糊C均值聚类和长短时记忆网络,提高了时序信息利用率,有效提高了算法性能,能够快速准确地判定癫痫发作,以提高癫痫发作检测的准确性和实用性。
主权项:1.基于模糊聚类和长短时记忆网络的癫痫发作信号检测方法,其特征在于,包括以下步骤:步骤一:数据采集及预处理;使用带有加速度计、陀螺仪及表面肌电传感器的腕表装置,连续采集使用者的加速度信号、角速度信号及表面肌电信号,对原始数据进行数据分割,通过肌电信号均值范围的阈值检测进行信号质量评估,并使用数字滤波器进行滤波去噪;步骤二:特征提取;对信号质量评估合格的样本进行特征提取,信号质量不合格的样本通过线性插值获得特征值,并进行数据归一化;步骤三:模糊C均值聚类FCM;将每个样本提取出的特征输入到模糊C均值聚类FCM模型中,对样本进行运动模式识别,将样本分为非发作期样本和潜在发作期样本,非发作期样本的发作概率为零,而潜在的发作期样本则需进一步分析以确定发作概率;步骤四:长短时记忆网络LSTM分类;根据步骤三FCM模型输出的结果对潜在的发作期样本进行重构,并输入LSTM模型进行训练,根据训练好的LSTM模型估计潜在发作期样本的发作概率;步骤五:后处理及发作判断;对FCM模型和LSTM模型输出的样本发作概率进行前向均值滤波,若连续9个样本输出超过预先定义的阈值,视为癫痫发作事件;若5分钟内出现多个发作事件,视为同一次癫痫发作事件。
全文数据:
权利要求:
百度查询: 西安交通大学 基于模糊聚类和长短时记忆网络的癫痫发作信号检测方法
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。