[发明专利]一种癫痫患者脑电信号的计算机模式识别方法

摘要

本发明公开了一种癫痫患者脑电信号的计算机模式识别方法，涉及脑科学、癫痫发作临床数据识别技术领域。所述方法首先构建随机森林识别模型，然后对随机森林识别模型进行训练，生成最优的随机森林识别模型；将优化后的随机森林模型在测试集上进行不同程度病况的癫痫患者脑电信号的模式识别测试。本发明实现了计算机自动识别癫痫患者脑电信号的功能，为医疗工作者耗时耗力的诊断提供技术支持。本发明引入网格搜索优化方法，以可变步长的形式重复过滤参数来加速搜索参数的最佳组合，加快随机森林模型的运行效率，使得训练出来的随机森林识别模型达到最优效果，对于与三种不同病况的癫痫病情的模式识别准确率能达到96％以上。

主权项

1.一种癫痫患者脑电信号的计算机模式识别方法，其特征在于：包括如下步骤，步骤一：采集癫痫患者的脑电信号，并对所述的脑电信号进行预处理及脑电特征提取；步骤二、构建随机森林识别模型，利用步骤一提取出来的脑电特征对随机森林识别模型进行训练，生成最优的随机森林识别模型；具体步骤如下：步骤201、将提取的脑电特征进行归一化处理；步骤202、将归一化处理后的脑电特征分成三部分，分别为训练集、测试集以及用于防止随机森林识别模型过拟合的验证集；步骤203、对不同程度病况的癫痫脑电信号进行时间同步的分帧，得到多级导联的脑电信号；步骤204、对癫痫患者的发作期、间歇期和健康期这三类脑电信号的进行打标签处理：发作期“0”、间歇期“1”、健康期“‑1”；步骤205、采用重采样方法，从训练集的数据中随机抽取bootstrap样本，一共选取k个样本数据，作为新的训练集数据；步骤206、以上述205步骤中新的训练集数据为训练数据，建立k个决策树T_j，j＝1,2,…,k，从决策树的每一个节点的特征集合中随机选择一个包含k个特征的子集；步骤207、通过对决策树的每个终端节点递归地重复步骤206，将随机林树生长为增强绑定数据，直到这决策树能够准确地对训练数据集进行识别，同时达到最小节点大小。步骤208、集合所有决策树，对于一个输入样本，k个决策树有k个识别结果，随机森林继承了所有的识别投票结果；步骤209、在新的节点上进行预测，投票数目最多的识别作为输出；步骤210、采用网格搜索的优化方法对随机森林模型进行优化；步骤211、得出对随机森林进行网格搜索优化后的超参数，采用10重交叉验证去识别该随机森林识别模型的准确性；步骤212、改变节点数，再随机打乱数据，选择验证集进行模型识别；步骤213、重复步骤212，直至交叉验证准确性最高；步骤214、此时的节点数认为是最优节点数；训练出的最终的超参数为随机森林识别模型的最优超参数，优化后的随机森林识别模型确定；步骤215、将优化后的随机森林模型在测试集上进行不同程度病况的癫痫患者脑电信号的模式识别测试。