1.癫痫发作预警方法,其特征在于,包括:
获取待监测用户在预定时间段的脑电图信号和运动数据的时间队列;
对所述脑电图信号进行降噪处理以得到降噪后脑电图信号;
从所述降噪后脑电图信号提取脑电图信号特征以得到脑电图信号特征编码图;
对所述运动数据的时间队列进行运行状态特征提取以得到运动状态时序编码特征向量;
对所述运动状态时序编码特征向量和所述脑电图信号特征编码图进行运动状态-脑电信号跨模态聚合分析以得到运动状态-脑电图跨模态细粒度聚合编码向量,包括:对所述脑电图信号特征编码图进行特征解耦和特征展平化以得到脑电图信号局部特征编码向量的集合;计算所述脑电图信号局部特征编码向量的集合的内核特征;基于所述内核特征,对所述运动状态时序编码特征向量和所述脑电图信号局部特征编码向量的集合进行细粒度先验融合以得到所述运动状态-脑电图跨模态细粒度聚合编码向量;
基于所述运动状态-脑电图跨模态细粒度聚合编码向量,得到用于表示所述待监测用户是否存在癫痫发作风险的识别结果,并基于所述识别结果,生成癫痫发作预警提示;
其中,基于所述内核特征,对所述运动状态时序编码特征向量和所述脑电图信号局部特征编码向量的集合进行细粒度先验融合以得到所述运动状态-脑电图跨模态细粒度聚合编码向量,包括:基于所述运动状态时序编码特征向量和脑电图信号内核特征向量,确定运动状态-脑电图信号先验聚类中心编码向量;对所述运动状态-脑电图信号先验聚类中心编码向量和所述脑电图信号局部特征编码向量的集合进行跨域细粒度聚类描述以得到所述运动状态-脑电图跨模态细粒度聚合编码向量。
2.根据权利要求1所述的癫痫发作预警方法,其特征在于,从所述降噪后脑电图信号提取脑电图信号特征以得到脑电图信号特征编码图,包括:将所述降噪后脑电图信号输入基于全卷积神经网络的信号提取器以得到所述脑电图信号特征编码图。
3.根据权利要求2所述的癫痫发作预警方法,其特征在于,对所述运动数据的时间队列进行运行状态特征提取以得到运动状态时序编码特征向量,包括:将所述运动数据的时间队列输入基于前向LSTM模型的运行状态特征提取器以得到所述运动状态时序编码特征向量。
4.根据权利要求3所述的癫痫发作预警方法,其特征在于,对所述脑电图信号特征编码图进行特征解耦和特征展平化以得到脑电图信号局部特征编码向量的集合,包括:将所述脑电图信号特征编码图的沿通道维度的各个特征矩阵展开为特征向量以得到所述脑电图信号局部特征编码向量的集合。
5.根据权利要求4所述的癫痫发作预警方法,其特征在于,计算所述脑电图信号局部特征编码向量的集合的内核特征,包括:计算所述脑电图信号局部特征编码向量的集合中各个脑电图信号局部特征编码向量与其他所有脑电图信号局部特征编码向量之间的语义差异值以得到脑电图信号语义差异值的集合;
对所述脑电图信号语义差异值的集合进行基于softmax函数的归一化处理以得到归一化脑电图信号语义差异值的集合;
以所述归一化脑电图信号语义差异值的集合作为权重的集合,计算所述脑电图信号局部特征编码向量的集合的加权和以得到脑电图信号内核特征向量作为所述内核特征。
6.根据权利要求5所述的癫痫发作预警方法,其特征在于,基于所述运动状态-脑电图跨模态细粒度聚合编码向量,得到用于表示所述待监测用户是否存在癫痫发作风险的识别结果,并基于所述识别结果,生成癫痫发作预警提示,包括:将所述运动状态-脑电图跨模态细粒度聚合编码向量输入基于分类器的癫痫发作识别器以得到所述识别结果,所述识别结果用于表示所述待监测用户是否存在癫痫发作风险;
响应于所述识别结果为所述待监测用户存在癫痫发作风险,生成所述癫痫发作预警提示。
7.根据权利要求6所述的癫痫发作预警方法,其特征在于,将所述运动状态-脑电图跨模态细粒度聚合编码向量输入基于分类器的癫痫发作识别器以得到所述识别结果,所述识别结果用于表示所述待监测用户是否存在癫痫发作风险,包括:使用所述分类器的全连接层对所述运动状态-脑电图跨模态细粒度聚合编码向量进行全连接编码以得到运动状态-脑电图跨模态细粒度聚合全连接编码特征向量;
将所述运动状态-脑电图跨模态细粒度聚合全连接编码特征向量输入所述分类器的Softmax分类函数以得到所述运动状态-脑电图跨模态细粒度聚合编码向量归属于各个分类标签的概率值,所述分类标签包括用于表示所述待监测用户存在癫痫发作风险和用于表示所述待监测用户不存在癫痫发作风险;
将所述概率值中最大者对应的分类标签确定为所述识别结果。
8.癫痫发作预警系统,用于执行权利要求1所述的癫痫发作预警方法,其特征在于,包括:
用户监测数据采集模块,用于获取待监测用户在预定时间段的脑电图信号和运动数据的时间队列;
脑电图信号降噪模块,用于对所述脑电图信号进行降噪处理以得到降噪后脑电图信号;
脑电图信号特征提取模块,用于从所述降噪后脑电图信号提取脑电图信号特征以得到脑电图信号特征编码图;
运行状态特征提取模块,用于对所述运动数据的时间队列进行运行状态特征提取以得到运动状态时序编码特征向量;
运行状态脑电图信号聚合分析模块,用于对所述运动状态时序编码特征向量和所述脑电图信号特征编码图进行运动状态-脑电信号跨模态聚合分析以得到运动状态-脑电图跨模态细粒度聚合编码向量,其中,所述运行状态脑电图信号聚合分析模块,包括:脑电图信号特征解耦展平单元,用于对所述脑电图信号特征编码图进行特征解耦和特征展平化以得到脑电图信号局部特征编码向量的集合;脑电图信号内核特征计算单元,用于计算所述脑电图信号局部特征编码向量的集合的内核特征;跨模态细粒度编码融合单元,用于基于所述内核特征,对所述运动状态时序编码特征向量和所述脑电图信号局部特征编码向量的集合进行细粒度先验融合以得到所述运动状态-脑电图跨模态细粒度聚合编码向量;
癫痫发作预警提示生成模块,用于基于所述运动状态-脑电图跨模态细粒度聚合编码向量,得到用于表示所述待监测用户是否存在癫痫发作风险的识别结果,并基于所述识别结果,生成癫痫发作预警提示。
9.根据权利要求8所述的癫痫发作预警系统,其特征在于,所述脑电图信号降噪模块,用于:将所述降噪后脑电图信号输入基于全卷积神经网络的信号提取器以得到所述脑电图信号特征编码图。