[发明专利]棘慢复合波检测模型构建方法、系统

权利要求书

1.基于循环神经网络和先验知识的棘慢复合波检测模型构建方法，其特征在于：包括以下步骤：

S01.样本处理；获取历史临床数据，对数据进行处理，筛选出典型的棘慢复合波标记为正样本，标签为1，对于非典型的棘慢复合波标记为负样本，标签为0；训练集、验证集、测试集按照正样本，与负样本设定比例进行分组；

S02.伪差波形滤除；通过伪差滤波器对所述测试集进行伪差判别，将判别为伪差的脑电波输出为非棘慢复合波标签，不是伪差的脑电波输出形成目标测试集；

S03.模型训练；将训练集输入至长短时记忆模型进行训练，对输入的训练集进行是否为棘慢复合波的概率值计算，根据设定的概率阈值T，最终输出概率值大于T对应的数据标签；然后通过验证集验证，得到目标长短时记忆模型；

S04.目标模型检测；将目标测试集输入至目标长短时记忆模型，输出数据标签，若输出符合测试集实际情况，则表示目标长短记忆模型符合要求。

2.根据权利要求1所述的基于循环神经网络和先验知识的棘慢复合波检测模型构建方法，其特征在于：所述步骤S02具体为：

所述伪差滤波器滤除伪差的具体过程为：

将测试集中的原始脑电波输入伪差滤波器，伪差滤波器对原始脑电波的信号幅值、是否为方形波、信号频率进行判断；当信号幅值大于预设幅值阈值Y，或原始脑电波为方形波，或信号频率等于设定频率时，判定为脑电伪差，否则判断为正常脑电波。

3.根据权利要求2所述的基于循环神经网络和先验知识的棘慢复合波检测模型构建方法，其特征在于：在伪差判定过程中，若原始脑电波满足信号幅值、是否为方形波、信号频率任意一个伪差标准，则作为非典型棘慢复合波输出，不再进行后续判断。

4.根据权利要求1所述的基于循环神经网络和先验知识的棘慢复合波检测模型构建方法，其特征在于：所述步骤S03中，训练阶段，通过损失函数对长短时记忆模型参数进行训练，损失函数为：

其中，n为每次训练的样本个数，j表示当前训练样本为第j个，ε是一个无穷小值，防止log参数为0，y为样本的正确标签，可能取值为0或1，为模型预测标签1的概率值。