[发明专利]基于单通道脑电信号和卷积神经网络的癫痫诊断装置

说明书

本发明涉及一种基于单通道脑电信号和卷积神经网络的癫痫诊断装置，包括下列模块：预处理模块；模型构造及训练模块，包括：基于卷积神经网络构造2分类模型，使用3个卷积层和1个池化层，再使用3个连续的全连接层，卷积层和全连接层使用激活函数；非线性激活层；池化层：采用最大值池化的方式；全连接层；在数据被送入全连接层前，使用Flatten层将多维数据压缩为一维，前两个全连接层后的激活函数是ReLU，而第三个后面的是Softmax，最后的2个输出单元表示正常脑电和癫痫脑电信号的分类；使用10折交叉验证方式训练模型；模型结构及超参数调整模块。

技术领域

本发明涉及一种癫痫诊断装置，属于卷积神经网络和医疗疾病诊断领域的融合。

背景技术

目前，在医学疾病诊断领域，癫痫的诊断是通过获得详细的病史，进行神经学检查以及诸如神经成像和脑电图(EEG)的辅助测试来进行的，也即神经科医生通过直接目视检查脑电图(EEG)，以研究癫痫样异常。这些异常可提供有关患者癫痫类型和病因的有价值信息。然而，通过视觉评估对EEG信号的解读是耗时的，特别是随着门诊动态EEG和住院患者连续视频EEG记录的使用增加，会有数小时甚至数天需要手动检查的EEG数据。大多数EEG软件包含某种形式的自动癫痫发作检测，但是，由于预先确定的癫痫发作检测算法的灵敏度和特异性差，目前的自动癫痫发作检测形式很少用于临床实践。视觉检查的准确率是取决于神经科医生在脑电图研究中的专业水平，并且研究的质量可能因人为信号的干扰而受到限制，这限制了医生准确识别异常的能力。此外，常规门诊研究的低产量也带来了另一个问题。在门诊进行就诊时，癫痫患者用于诊断的脑电图可能完全正常。这是因为癫痫患者的大脑通常不会持续激发癫痫放电，脑电图只是记录时大脑的“快照”。因此，为了克服脑电图捕捉的随机性给诊断带来的影响，通常让患者进行重复的门诊或记录更长时间的脑电图，这极大地提高了诊断的成本。因此，为了准确、快速和客观的诊断癫痫，提倡计算机辅助诊断(CAD)系统。本发明提出了一种基于单通道脑电信号和卷积神经网络的癫痫诊断装置，以提高癫痫疾病诊断的效率和降低误诊率。

发明内容

本发明的目的是提供一种基于单通道脑电信号和卷积神经网络的癫痫诊断装置。本发明采用单通道的脑电信号，脑电信号分为正常脑电和癫痫脑电信号。采用卷积神经网络构造2分类模型，利用该模型分类正常脑电和癫痫脑电，从而实现较高准确率的癫痫诊断。技术方案如下：

一种基于单通道脑电信号和卷积神经网络的癫痫诊断装置，包括下列模块：

预处理模块，用于

1)使用8阶巴特沃斯低通滤波器消除运动伪影和肌电干扰；

2)使用中值滤波器进行基线校正；

3)使用陷波滤波器去除50Hz工频干扰。

模型构造及训练模块，包括：

1)基于卷积神经网络构造2分类模型，使用3个卷积层和1个池化层，再使用3个连续的全连接层，卷积层和全连接层使用激活函数；

2)卷积层：第一层、第三层和第四层是卷积层，输入矩阵和卷积核进行卷积操作，进而提取出数据特征；

3)非线性激活层：为使模型能够解决非线性问题，对其加入非线性因素；

4)池化层：采用最大值池化的方式；

5)全连接层；在数据被送入全连接层前，使用Flatten层将多维数据压缩为一维，前两个全连接层后的激活函数是ReLU，而第三个后面的是Softmax，最后的2个输出单元表示正常脑电和癫痫脑电信号的分类；

6)使用10折交叉验证方式训练模型；

模型结构及超参数调整模块，用于

1)选取交叉熵函数作为损失函数，并绘制出模型的验证集准确率和损失函数曲线；