← 返回列表

基于分层时空谱混合注意力机制的癫痫发作预测方法

申请号: CN202311438106.5
申请人: 西安工程大学
申请日期: 2023/10/31

摘要文本

来自:马 克 团 队 。本发明公开了一种基于分层时空谱混合注意力机制的癫痫发作预测方法,具体按照如下步骤实施:步骤1,获取公共癫痫数据集CHB‑MIT并对数据集中的脑电信号数据进行预处理,并将预处理后的数据分为训练集和测试集;步骤2,步骤1预处理的训练集和测试集中的脑电信号采用独立成分分析法进行处理,将脑电信号映射到相互独立的IC;步骤3,构建基于分层时空谱混合注意力机制的空间动态图卷积网络的模型;步骤4,利用步骤2处理的训练集和测试集对基于分层时空谱混合注意力机制的空间动态图卷积网络的模型进行训练和测试,并对模型性能进行评估。本发明解决了现有技术中存在的因跨域特征缺失、信息连通性不足而导致预测精确度低的问题。

专利详细信息

项目 内容
专利名称 基于分层时空谱混合注意力机制的癫痫发作预测方法
专利类型 发明申请
申请号 CN202311438106.5
申请日 2023/10/31
公告号 CN117562557A
公开日 2024/2/20
IPC主分类号 A61B5/374
权利人 西安工程大学
发明人 葛素楠; 王雯静; 师昕; 刘岱华
地址 陕西省西安市碑林区金花南路19号

专利主权项内容

1.基于分层时空谱混合注意力机制的癫痫发作预测方法,其特征在于,具体按照如下步骤实施:步骤1,获取公共癫痫数据集CHB-MIT并对数据集中的脑电信号数据进行预处理,并将预处理后的数据分为训练集和测试集;步骤2,步骤1预处理的训练集和测试集中的脑电信号采用独立成分分析法进行处理,将脑电信号映射到相互独立的IC;步骤3,构建基于分层时空谱混合注意力机制的空间动态图卷积网络的模型;步骤4,利用步骤2处理的训练集和测试集对基于分层时空谱混合注意力机制的空间动态图卷积网络的模型进行训练和测试,并对模型进行评估。