[发明专利]基于线性图卷积神经网络的癫痫检测系统

说明书

本申请公开了基于线性图卷积神经网络的癫痫检测系统，包括：获取模块，其被配置为：获取待检测的多通道脑电信号；预处理模块，其被配置为：对待检测的多通道脑电信号进行预处理，将每一个通道的信号视为一个节点，根据通道信号之间是否存在相关度决定对应节点之间是否存在连接边，得到图结构；根据图结构得到对应的邻接矩阵；检测模块，其被配置为：将所有通道的脑电信号和邻接矩阵，均输入到预先训练好的线性图卷积神经网络中，输出待检测的多通道脑电信号的癫痫诊断结果。

技术领域

本申请涉及癫痫检测技术领域，特别是涉及基于线性图卷积神经网络的癫痫检测系统。

背景技术

本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。

癫痫是指脑神经元突发性异常和过度超同步化放电所产生的临床现象。癫痫发作通常是全身性发作，会使人失去意识，会有抽搐等现象，严重影响人们的正常生活，甚至是生命。当病人拟诊为癫痫时，必须借助脑电图的支持，脑电图是通过放置在头皮或大脑皮层上的多个电极采集，并且携带大脑相关的病理信息。

脑电图的异常通常是背景波异常或者癫样放电，后者才可以确诊为癫痫。但是大部分的脑电样本是通过专业医师人工的去观察，并最终得出结论，十分费时费力，准确性也并不高，所以脑电数据的自动识别越来越成为癫痫检测的发展主线。

癫痫检测方法都循序渐进的得到了推广和进展，但大部分只是考虑了时间上的特征，却没有考虑到时序脑电信号中通道与通道之间的相关性联系，以及正负样本不平衡的问题。在癫痫检测过程中，大多数的模型计算成本高，如果对于规模较大的图，代价高，效率低。

发明内容

为了解决现有技术的不足，本申请提供了基于线性图卷积神经网络的癫痫检测系统；

基于线性图卷积神经网络的癫痫检测系统，包括：

获取模块，其被配置为：获取待检测的多通道脑电信号；

预处理模块，其被配置为：对待检测的多通道脑电信号进行预处理，将每一个通道的信号视为一个节点，根据通道信号之间是否存在相关度决定对应节点之间是否存在连接边，得到图结构；根据图结构得到对应的邻接矩阵；

检测模块，其被配置为：将所有通道的脑电信号和邻接矩阵，均输入到预先训练好的线性图卷积神经网络中，输出待检测的多通道脑电信号的癫痫诊断结果。

与现有技术相比，本申请的有益效果是：

(1)第一次将LGCN和Focal loss结合起来应用到癫痫检测上。

(2)将图卷积神经网络应用到图数据结构上，处理不规则数据。

(3)应用了传统GCN的升级版本LGCN，大大减少了运算量，累加聚合的思想，进一步防止了过拟合现象。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1是本申请实施例一的癫痫脑电数据预处理过程的流程图

图2是本申请实施例一的基于LGCN和Focal loss的癫痫检测方法的流程图；

图3是本申请实施例一的大脑导联的实例图；

图4是本申请实施例一的4种正常脑电波的实例图；

图5是本申请实施例一的一个大脑电极位的实例图；

图6是本申请实施例一的大脑处理的整体流程；

图7是本申请实施例一的癫痫发作的示意图；