[发明专利]一种基于频谱能量图的癫痫脑电信号分类方法

权利要求书

1.一种基于频谱能量图的癫痫脑电信号分类方法，该方法包括如下

步骤(1)：采集癫痫患者的多通道头皮脑电信号；

步骤(2)：对癫痫EEG信号进行预处理：

记录采集的EEG数据中癫痫发作的时间，并将EEG数据分为四类，依次为发作间期、发作前30分钟、发作前10分钟、发作期；

对癫痫EEG信号先进行消噪处理；

步骤(3)：将消噪后的1维EEG数据转换为2维EEG多通道的矩阵数据：

将n个通道的头皮脑电EEG信号进行频率谱分析；通过对每个通道的脑电信号求出功率谱密度周期图,并将脑电信号等分为32个频段，不同频段的PSD函数进行积分，组成一个n×32的二维矩阵；将得到的二维矩阵进行归一化处理，并生成图片；

步骤(4)：创建深度卷积神经网络：

将Inception-v3网络作为特征提取网络，将输入大小为299×299×3的图像转为2048维的特征向量，通过全连接层进行降维，并在每个全连接层后面添加dropout层，dropout层参数设置为0.5，防止过拟合，最后再接softmax分类器；加载预训练权重，训练时更新整个网络的参数；

步骤(5)：通过深度卷积神经网络的特征提取后，根据softmax层输出结果判断癫痫EEG处于哪一时期，对发作时进行报警，也可以对判断到为癫痫发作前状态进行警告。

2.根据权利要求1所述的一种基于频谱能量图的癫痫脑电信号分类方法，其特征在于：步骤(2)中为了得到无噪声的EEG，选择小波消噪对原始EEG中的眼电伪迹进行消噪，消噪处理采用了db6小波进行6层分解；消除消噪处理后的EEG数据中有电力线干扰的47-53Hz的信号。