[发明专利]基于卷积神经网络的长程脑电图自动癫痫检测方法

说明书

本发明公开了一种基于卷积神经网络的长程脑电图自动癫痫检测方法，所述步骤如下：对癫痫病人长程多通道脑电图信号进行同步分帧取样，并标签化；使用带通滤波对每帧脑电图信号做去噪处理；构建通道独享式卷积神经网络；训练网络，得到检测器。本发明提供的通道独占式卷积神经网络收益于深度学习技术，利用层层卷积相关运算得到脑电图模式的深度抽象，实现对癫痫发作的自动检测。

技术领域

本发明涉及一种基于卷积神经网络的长程脑电图自动癫痫检测方法，属于癫痫发作临床检测技术领域。

背景技术

自动癫痫检测是从多通道脑电图中提取区分癫痫发作期和间歇期的显著特征进行分类识别，在癫痫发作临床诊断中具有重要意义，为癫痫病实时辅助治疗提供可靠方法。

多通道脑电、图信号具有低信噪比、高复杂度的特点，基于特征提取的自动检测方法有很多，比如样本熵分析、小波神经网络、经验模态分解等等。这些方法在不同的受试者数据集上都表现出不错的检测效果，但是仍然难以避免地出现一些漏检、错检情况。此外，人工提取的特征依赖于大量的先验知识并且不能保证是最具有代表性的。

发明内容

发明目的：为了克服现有方法的不足，本发明基于大数据，利用深度学习技术，提出一种基于卷积神经网络的长程脑电图自动癫痫检测方法，通过给每个通道信号单独分配多个“特征卷积核”，用于对脑电波进行多层短时滑动卷积运算，用运算结果去训练一个Logistic分类器对两种脑电模式(发作期、间隙期)进行决策，这些特征核通过批量梯度下降算法来确定。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于卷积神经网络的长程脑电图自动癫痫检测方法，所述步骤如下：

(1)、对癫痫病人的脑电图信号进行预处理；

(1.1)、对癫痫病人长程多通道脑电图信号进行同步分帧取样，并标签化；

(1.2)、使用带通滤波对每帧脑电图信号做去噪处理；

(2)、构建通道独享式卷积神经网络；

(3)、训练网络，得到检测器。

上述步骤(1.1)中同步分帧取样，并标签化的过程包括如下步骤：

(a1)、确定帧长和帧移；

(a2)、对脑电图信号中所有通道进行时间同步的分帧，得到N个多通道脑电图帧；

(a3)、为每个帧标签化为发作期“0”或间歇期“1”。

上述步骤(1.2)中脑电图信号做去噪处理方法是采用带宽为0.5-100Hz的巴特沃夫滤波器对N个脑电图帧信号进时域滤波。

上述步骤(2)中的通道独享式卷积神经网络的构建包括如下步骤：

(c1)、确定卷积深度D；

(c2)、将N个脑电图帧等分为n个批次，每个批次含有b个脑电图帧；

(c3)、构造批归一化层，对每个批次样本帧进行批归一化处理；

(c4)、构造通道独享卷积层，确定特征核的长度与数量并初始化，对每个批次样本帧进行卷积运算，执行(c2)步骤；

(c5)、添加relu激活层，进行稀疏处理；

(c6)、构造最大池化层，确定最大值降采样比例，对(c3)的结果进行池化处理；

(c7)、重复(c2)-(c6)步骤D-1次；

(c8)、添加全连接层，执行(c2)步骤；

(c9)、添加sigmoid输出决策层。