X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
帮助中心 | 关于我们
欢迎来到辽阳市科技创新服务平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[00901744]基于深度自编码的脑电特征优化与癫痫发作检测方法

交易价格: 面议

所属行业: 医疗器械

类型: 发明专利

技术成熟度: 通过小试

专利所属地:中国

专利号:CN202010105835.9

交易方式: 其他

联系人:

所在地:浙江杭州市

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

本发明公开了一种基于深度自编码的脑电特征优化与癫痫发作检测方法。本发明步骤:步骤1:将原始脑电信号进行预处理,然后按顺序排列脑电信号的通道,以每4s的脑电图为一个数据样本,进行离散傅里叶变换,并获得样本的幅值谱,将样本的幅值谱整理成合适的特征矩阵;步骤2:设置卷积自编码器的网络结构;步骤3:通过步骤1中的数据训练卷积自编码器,再将数据输入训练好的卷积自编码器的编码器对特征矩阵进行降维,得到低维特征;步骤4:使用低维特征训练基于最近邻分类器的纠错输出编码模型;最后使用整个模型对新的脑电图进行癫痫发作检测,测试模型性能。本发明能滤除干扰特征,降低特征维数和模型学习复杂度,实现更有效的癫痫发作检测。
本发明公开了一种基于深度自编码的脑电特征优化与癫痫发作检测方法。本发明步骤:步骤1:将原始脑电信号进行预处理,然后按顺序排列脑电信号的通道,以每4s的脑电图为一个数据样本,进行离散傅里叶变换,并获得样本的幅值谱,将样本的幅值谱整理成合适的特征矩阵;步骤2:设置卷积自编码器的网络结构;步骤3:通过步骤1中的数据训练卷积自编码器,再将数据输入训练好的卷积自编码器的编码器对特征矩阵进行降维,得到低维特征;步骤4:使用低维特征训练基于最近邻分类器的纠错输出编码模型;最后使用整个模型对新的脑电图进行癫痫发作检测,测试模型性能。本发明能滤除干扰特征,降低特征维数和模型学习复杂度,实现更有效的癫痫发作检测。

推荐服务:

主办单位:辽阳市科学技术局

技术支持单位:科易网

辽ICP备16017206号-1

辽公网安备 21100302203138号

关于我们

平台简介

联系我们

客服咨询

400-649-1633

工作日:08:30-21:00

节假日:08:30-12:00

13:30-17:30