欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025117575911
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 医学或兽医学;卫生学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种癫痫发作在线自适应预测方法,其特征在于,所述癫痫发作在线自适应预测方法,包括以下步骤:S1、获取目标用户的多通道脑电信号;

S2、根据融合空间约束独立成分分析、脑功能网络和迁移学习机制,构建癫痫发作在线自适应预测模型;

S3、将多通道脑电信号输入至癫痫发作在线自适应预测模型中,进行癫痫发作前状态的识别与预测,得到预测结果;

S4、根据预测结果,进行在线预警判断,若满足预警条件触发警报;

S2中根据融合空间约束独立成分分析、脑功能网络和迁移学习机制,构建癫痫发作在线自适应预测模型的具体内容包括:获取用户的多通道历史脑电信号和癫痫发作情况;

根据多通道历史脑电信号和癫痫发作情况,构建训练集和测试集;

根据融合空间约束独立成分分析,构建脑电噪声估计模块;

根据脑功能网络,构建脑电特征信息映射模块;

根据迁移学习机制,构建脑电信息预测模块;

连接脑电噪声估计模块、脑电特征信息映射模块和脑电信息预测模块,得到癫痫发作在线自适应预测模型的初始模型;

基于训练集和测试集对初始模型进行训练和测试,并将训练和测试好的初始模型作为癫痫发作在线自适应预测模型;

根据融合空间约束独立成分分析,构建脑电噪声估计模块的具体内容包括:对多通道历史脑电信号进行滤波操作,得到滤波信号;

根据空间约束矩阵和融合空间约束独立成分分析,对滤波信号进行分离处理,得到滤波信号分量;

对滤波信号分量进行小波阈值去噪处理,得到噪声成分;

对噪声成分进行投影逆变换,得到噪声估计量;

去除滤波信号中的噪声估计量,得到纯净脑电信号,并获得脑电噪声估计模块;

根据脑功能网络,构建脑电特征信息映射模块的具体内容包括:采用频率切片小波变换对纯净脑电信号进行节律提取,得到节律脑电信号;

以节律脑电信号为对象建立多轨道自回归模块,通过最小二乘法求解多轨道自回归模块系数;

基于偏定向相干法,根据多轨道自回归模块系数构建脑功能网络图及联通矩阵,并将脑功能网络图及联通矩阵作为映射脑电信息的特征图像,得到脑电特征信息映射模块;

根据迁移学习机制,构建脑电信息预测模块的具体内容包括:根据特征图像,通过运用领域间联合知识迁移,构建双向长短时记忆网络,得到脑电信息预测模块。

2.根据权利要求1所述的一种癫痫发作在线自适应预测方法,其特征在于,所述双向长短时记忆网络是基于长短时记忆网络的结构优化,具体是在长短时记忆网络结构中增加输入门到输出门的连接,并将输入门与遗忘门合并为一个更新门。

3.根据权利要求1所述的一种癫痫发作在线自适应预测方法,其特征在于,S4中在线预警判断包括:预设预警阈值n和预测次数s;所述n为大于1的整数;所述s为大于等于0的整数;

若s=0,则表示癫痫发作在线自适应模型未检测到癫痫前兆脑电信息;

若s≥n,预测结果则被识别为癫痫发作前状态,触发警报;

若s<n,预测结果则被识别为癫痫未发作前状态,继续进行预测,直至s≥n时触发警报。

4.一种癫痫发作在线自适应预测系统,其特征在于,包括:信号获取模块,用于获取目标用户的多通道脑电信号;

模型构建模块,用于根据融合空间约束独立成分分析、脑功能网络和迁移学习机制,构建癫痫发作在线自适应预测模型;根据融合空间约束独立成分分析、脑功能网络和迁移学习机制,构建癫痫发作在线自适应预测模型的具体内容包括:获取用户的多通道历史脑电信号和癫痫发作情况;

根据多通道历史脑电信号和癫痫发作情况,构建训练集和测试集;

根据融合空间约束独立成分分析,构建脑电噪声估计模块;

根据脑功能网络,构建脑电特征信息映射模块;

根据迁移学习机制,构建脑电信息预测模块;

连接脑电噪声估计模块、脑电特征信息映射模块和脑电信息预测模块,得到癫痫发作在线自适应预测模型的初始模型;

基于训练集和测试集对初始模型进行训练和测试,并将训练和测试好的初始模型作为癫痫发作在线自适应预测模型;

根据融合空间约束独立成分分析,构建脑电噪声估计模块的具体内容包括:对多通道历史脑电信号进行滤波操作,得到滤波信号;

根据空间约束矩阵和融合空间约束独立成分分析,对滤波信号进行分离处理,得到滤波信号分量;

对滤波信号分量进行小波阈值去噪处理,得到噪声成分;

对噪声成分进行投影逆变换,得到噪声估计量;

去除滤波信号中的噪声估计量,得到纯净脑电信号,并获得脑电噪声估计模块;

根据脑功能网络,构建脑电特征信息映射模块的具体内容包括:采用频率切片小波变换对纯净脑电信号进行节律提取,得到节律脑电信号;

以节律脑电信号为对象建立多轨道自回归模块,通过最小二乘法求解多轨道自回归模块系数;

基于偏定向相干法,根据多轨道自回归模块系数构建脑功能网络图及联通矩阵,并将脑功能网络图及联通矩阵作为映射脑电信息的特征图像,得到脑电特征信息映射模块;

根据迁移学习机制,构建脑电信息预测模块的具体内容包括:根据特征图像,通过运用领域间联合知识迁移,构建双向长短时记忆网络,得到脑电信息预测模块;

在线预测模块,用于将多通道脑电信号输入至癫痫发作在线自适应预测模型中,进行癫痫发作前状态的识别与预测,得到预测结果;

在线预警模块,用于根据预测结果,进行在线预警判断,若满足预警条件触发警报。

5.一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-3中任一项所述的一种癫痫发作在线自适应预测方法的内容。

6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-3中任一项所述的一种癫痫发作在线自适应预测方法的内容。