[发明专利]一种聚类非对称互信息的脑电信号癫痫分类方法及系统

权利要求书

1.一种聚类非对称互信息的脑电信号癫痫分类方法，其特征在于，包括：

S1、采集多通道脑电数据，并对所述多通道脑电数据进行固定时间窗口切分；

S2、计算同一时间窗口内的各通道的脑电数据两两之间的聚类非对称互信息，并将各聚类非对称互信息组成特征矩阵；

S3、计算不同时间窗口对应的所述特征矩阵，将所有时间窗口对应的特征矩阵组成特征矩阵集合；

S4、将所述特征矩阵集合中的元素输入癫痫分类模型，训练癫痫分类模型；

S5、所述癫痫分类模型训练完成后，获取新的多通道脑电数据，将新的多通道脑电数据进行S1-S3步骤，获取新的特征矩阵集合，将新的特征矩阵集合中的元素输入癫痫分类模型，所述癫痫分类模型判断新的多通道脑电数据的多个时间窗口中是否有癫痫发作期；

其中，步骤S2中计算两个通道在同一时间窗口内的聚类非对称互信息的方法为：

两个通道在同一时间窗口内的脑电数据分别为X和Y，计算所述脑电数据X的信息熵H_X，计算所述脑电数据Y的信息熵H_Y，计算脑电数据X和Y的联合信息熵H_X,Y，根据信息熵H_X、信息熵H_Y、联合信息熵H_X,Y计算脑电数据X和Y的聚类非对称互信息MI(X,Y)，MI(X,Y)＝H_X+H_Y-H_X,Y；

其中，步骤S2中脑电数据X和Y的信息熵计算方法为：

S21、将所述脑电数据X中的数据点按照振幅从小到大排序，将所述脑电数据Y中的数据点按照振幅从小到大排序；

S22、利用KMeans算法计算所述脑电数据X的聚类中心Cx，根据聚类中心Cx把脑电数据X划分成多个聚类，计算每个聚类中包含的数据点个数Nx，计算每个聚类的概率Px，Px为一聚类中包含的数据点个数占脑电数据X总数据点个数的比例，根据Px计算脑电数据X的信息熵H_X，

利用KMeans算法计算所述脑电数据Y的聚类中心C_Y，根据聚类中心C_Y把脑电数据Y划分成多个聚类，计算每个聚类中包含的数据点个数Ny，计算每个聚类的概率Py，Py为一聚类中包含的数据点个数占脑电数据Y总数据点个数的比例，根据Py计算脑电数据Y的信息熵H_Y，

2.如权利要求1所述的聚类非对称互信息的脑电信号癫痫分类方法，其特征在于，步骤S2中联合信息熵H_X,Y的计算方法为：

识别所述脑电数据X和所述脑电数据Y划分的聚类的重合部分，计算各个重合的部分包含的数据点个数N_x，y，计算各个重合的部分的概率P_x，y，P_x，y为各重合的部分包含的数据点个数占脑电数据Y和X总数据点个数的比例，计算联合信息熵

3.如权利要求1所述的聚类非对称互信息的脑电信号癫痫分类方法，其特征在于，步骤S5中：

所述癫痫分类模型采用浅层密集网络。