[发明专利]基于卷积神经网络的癫痫无创诊断的识别算法在审
| 申请号： | 201910589079.9 | 申请日： | 2019-07-02 |
| 公开（公告）号： | CN110292379A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 符礼丹;陆彬春;艾海男 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | A61B5/0476 | 分类号： | A61B5/0476 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明专利针对癫痫的脑电检测的低识别率现象，设计了高精度模式识别算法。算法创新性地运用卷积神经网络对传感信号处理，从而进行疾病和健康的分类。算法由PYTHON3.6.5的Keras工具搭建，包括三层卷积层，三个池化层和四个随机失活层，最后用两个全连接层得到最终输出。电子鼻系统的传感时间序列数据作为算法的输入，最终得到高准确率、高灵敏度和高特异性的癫痫或健康的识别效果。此算法可在癫痫无损检测领域进行广泛应用。 | ||
| 搜索关键词： | 算法 癫痫 卷积神经网络 传感 时间序列数据 电子鼻系统 创新性地 高灵敏度 精度模式 脑电检测 无损检测 信号处理 连接层 失活层 识别率 准确率 池化 卷积 三层 无创 健康 输出 诊断 分类 疾病 应用 | ||
【主权项】：
1.基于卷积神经网络的癫痫无创检测系统的模式识别算法，包括以下步骤：步骤1：数据采集后进行预处理，得到脑电信号的时序数据；步骤2：将时序数据作为样本集，并取其子集作为训练数据输入给CNN网络；步骤3：运用反向传播和梯度下降对网络进行训练，得到内部的模型参数；步骤4：将最终模型进行保存，输入测试集进行识别效果测试，最终模型可用于实际无创检测环节。
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重庆大学，未经重庆大学许可，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/201910589079.9/，转载请声明来源钻瓜专利网。
