[发明专利]一种基于卷积神经网络的癫痫病发作前期智能预测方法在审
| 申请号： | 201810116608.9 | 申请日： | 2018-02-06 |
| 公开（公告）号： | CN108478216A | 公开（公告）日： | 2018-09-04 |
| 发明（设计）人： | 曹九稳;胡文彬 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | A61B5/0476 | 分类号： | A61B5/0476;A61B5/00;G06K9/62 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的癫痫病发作前期智能预测方法。本发明包括如下步骤：步骤1、原始信号频域转换后，对信号每个通道的19个特定频段预提取特征，即频段的均值与功率谱密度的均值；步骤2、对卷积神经网络进行二次特征提取；步骤3、结合支持向量机对卷积神经网络二次提取的特征分类，得到最后的识别类别。本发明不仅可以减少特征提取的工作量，而且可以通过最后的识别情况确定某个测试样本是否属于发作前期以及前期的状态，对于癫痫发作的预测任务而言更加精确以及更具有实时性。此外，在卷积神经网络的softmax层中，也可以得到每个样本属于每个类的概率分布，对结果的判断更加准确。 | ||
| 搜索关键词： | 卷积神经网络 智能预测 频段 功率谱密度 支持向量机 测试样本 二次提取 概率分布 频域转换 特征分类 特征提取 原始信号 次特征 实时性 预提取 癫痫 工作量 样本 预测 | ||
【主权项】：
1.一种基于卷积神经网络的癫痫病发作前期智能预测方法，其特征在于包括如下步骤：步骤1、原始信号频域转换后，对信号每个通道的19个特定频段预提取特征，即频段的均值与功率谱密度的均值；对于原始信号的23个通道，通过预提取特征后，对应于MFB和MPSD特征，分别构成23*19的特征图Ⅰ和特征图Ⅱ，同时对MFB和MPSD特征的结合，组成23*38的特征图Ⅲ，将特征图Ⅰ、特征图Ⅱ和特征图Ⅲ作为卷积神经网络的输入；步骤2、对卷积神经网络进行二次特征提取；步骤3、结合支持向量机对卷积神经网络二次提取的特征分类，得到最后的识别类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学，未经杭州电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810116608.9/，转载请声明来源钻瓜专利网。
