[发明专利]一种基于卷积神经网络的癫痫脑电识别方法和系统

说明书

本发明公开了一种基于卷积神经网络的癫痫脑电识别方法和系统，其中方法包括：通过电极采集脑电信号，对脑电信号进行分析处理，得到脑电图片；将脑电图片输入训练好的卷积神经网络，得到脑电图片是否有癫痫放电标记；所述卷积神经网络的训练过程包括：采集样本脑电图片，所述样本脑电图片包括有癫痫放电标记的样本脑电图片和无癫痫放电标记的样本脑电图片，利用样本脑电图片训练卷积神经网络，得到训练好的卷积神经网络。本发明具有过程简单，计算量小，识别率高，不易受到环境条件影响的优点。

技术领域

本发明属于图像的模式识别领域，更具体地，涉及一种基于卷积神经网络的癫痫脑电识别方法和系统。

背景技术

随着医疗技术的不断发展和智能算法的不断进步，医疗技术对更加智能化的技术的需求更大，智能医疗系统已经成为社会生活的热点问题。

现有的癫痫识别的方法，大多采用特征提取和小波变换的方法，由于癫痫波形多样并且容易受到心电、肌电的干扰，这类方法容易受到环境的影响而导致识别。已经有一部分癫痫脑电识别的方法被提出，特别是目前使用较多的采用类似癫痫放电波形的母小波模板进行小波变换，从而突出尖棘波形抑制其他波形，得到疑似癫痫放电波形。但是，由于脑电图波形受环境干扰比较大，并且容易出现心电串扰，而由于心电波形为较为规整的尖棘波，采用此种方法无法区分癫痫脑电和串扰心电，因此容易出现误判。不仅如此，现有的大部分癫痫脑电识别方法，过程复杂，计算量太大，识别率不高，容易受到环境条件的影响，所以需要新的研究方法的提出。

由此可见，现有技术存在过程复杂，计算量太大，识别率不高，容易受到环境条件影响的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于卷积神经网络的癫痫脑电识别方法和系统，由此解决现有技术存在过程复杂，计算量太大，识别率不高，容易受到环境条件影响的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于卷积神经网络的癫痫脑电识别方法，包括：

(1)通过电极采集脑电信号，对脑电信号进行分析处理，得到脑电图片；

(2)将脑电图片输入训练好的卷积神经网络，得到脑电图片是否有癫痫放电标记；

所述卷积神经网络的训练过程包括：采集样本脑电图片，所述样本脑电图片包括有癫痫放电标记的样本脑电图片和无癫痫放电标记的样本脑电图片，利用样本脑电图片训练卷积神经网络，得到训练好的卷积神经网络。

进一步地，卷积神经网络的训练过程的具体实现方式为：

(S1)采集样本脑电图片，所述样本脑电图片包括有癫痫放电标记的样本脑电图片和无癫痫放电标记的样本脑电图片；

(S2)构建卷积神经网络，所述卷积神经网络包括输入层、卷积层Conv1，池化层Pool2、卷积层Conv3、池化层Pool4、全连接层Fc5、全连接层Fc6、分类层Softmax7和输出层；

(S3)利用样本脑电图片训练卷积神经网络，直到输出层的损失函数J(θ)≤0.0001，得到用于癫痫识别的训练好的卷积神经网络。

进一步地，步骤(S3)包括：

(S31)从样本脑电图片中取一个样本，将样本输入卷积神经网络的输入层，经过逐级的变换，得到卷积神经网络的训练输出传送到卷积神经网络的输出层；

(S32)计算卷积神经网络的训练输出与样本标签对应的理想输出的误差，按极小化误差的方法，将卷积神经网络的训练输出输入卷积神经网络的输出层，进行反向传播，调整卷积神经网络的权值；

(S33)重复步骤(S31)和步骤(S32)，直到卷积神经网络分类层Softmax7之后的输出层的损失函数J(θ)≤0.0001，得到用于癫痫识别的训练好的卷积神经网络。