← 返回列表
癫痫预测方法及装置
摘要文本
本发明涉及智能生物医学信号处理领域,提高了一种癫痫预测方法及装置,该方法包括:获取待测脑电图EEG数据;基于双通道融合模型对EEG数据进行预测,得到癫痫预测结果;其中,双通道融合模型的两个通道分支分别通过编码网络和卷积神经网络构建得到,编码网络基于自注意力机制构建;双通道融合模型通过以样本EEG数据为训练样本,以融合特征为训练特征训练得到;融合特征基于编码网络输出的全局特征和卷积神经网络输出的局部特征确定。本发明所述方法结合EEG数据中的全局信息和局部信息实现网络的迭代训练和癫痫预测,提升了癫痫预测的准确性。
申请人信息
- 申请人:中国科学院自动化研究所
- 申请人地址:100190 北京市海淀区中关村东路95号
- 发明人: 中国科学院自动化研究所
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 癫痫预测方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410191137.3 |
| 申请日 | 2024/2/21 |
| 公告号 | CN117752308A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | A61B5/00 |
| 权利人 | 中国科学院自动化研究所 |
| 发明人 | 吴雅婧; 唐永强; 马鸿程; 张文生 |
| 地址 | 北京市海淀区中关村东路95号 |
专利主权项内容
1.一种癫痫预测方法,其特征在于,包括:获取待测脑电图EEG数据;基于双通道融合模型对所述EEG数据进行预测,得到癫痫预测结果;其中,所述双通道融合模型的两个通道分支分别通过编码网络和卷积神经网络构建得到,所述编码网络基于自注意力机制构建;所述双通道融合模型通过以样本EEG数据为训练样本,以融合特征为训练特征训练得到;所述融合特征基于所述编码网络输出的全局特征和所述卷积神经网络输出的局部特征确定。