[发明专利]基于深度循环神经网络模型识别脑电信号病理波的方法

权利要求书

1.一种基于深度循环神经网络模型识别脑电信号病理波的方法，其特征在于，将待识别的脑电信号转化为前、中、后、和1/3下采样4个片段，分别送入用于识别脑电信号病理波的深度循环神经网络模型的4个对应的循环神经网络子模型，计算出分别描述4个片段时序特征的向量，4个向量经合并后交全连接层继续计算，得出预测向量，实现脑电信号病理波识别。

2.根据权利要求1所述的基于深度循环神经网络模型识别脑电信号病理波的方法，其特征在于，所述预测向量的每个分量表示把待识别脑电信号预测为对应病理波的概率。

3.根据权利要求1所述的基于深度循环神经网络模型识别脑电信号病理波的方法，其特征在于，所述深度循环神经网络模型的连接权重和偏置通过反向传播的方式在大规模数据集上训练得到。

4.根据权利要求1至3任一所述的基于深度循环神经网络模型识别脑电信号病理波的方法，其特征在于，该方法具体实现为：

用e∈R^3N表示待识别的脑电信号，e是深度循环神经网络模型的输入；

深度循环神经网络模型根据公式

e₁＝e(1：N)

e₂＝e(N+1：2N)

e₃＝e(2N+1：3N)

e₄＝e(3，6，…，3N)

从e中取出e₁、e₂、e₃和e₄，e₁、e₂、e₃和e₄分别表示待识别的脑电信号转化后的前、中、后、和1/3下采样4个片段；

对于所有的i∈{1，…，4}和t∈{1，…，τ}，令并计算

z＝Vh+c

其中，z∈Rⁿ，N，τ，d和n为模型的超参数，W_i，U_i和V是表示连接权重的矩阵，b_i和c是表示偏置的向量，W_i，U_i，V，b_i和c在模型训练阶段通过反向传播的方式训练得到；是模型输出的向量，每个分量代表模型把输入e判定为对应病理波的概率。