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：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。
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