[发明专利]一种基于深度通道注意力感知的脑电癫痫发作检测方法

权利要求书

1.一种基于深度通道注意力感知的脑电癫痫发作检测方法，其特征在于：该方法包括以下步骤，

1)采集多通道脑电数据X，并对所采集的多通道脑电数据进行癫痫标注Y，将多通道脑电数据X和采集的多通道脑电数据进行癫痫标注Y作为训练数据集{(X⁽ⁱ⁾,Y⁽ⁱ⁾),i＝1,2,…,m}，m为训练样本数量；

2)对训练数据进行预处理；对训练集中的脑电信号使用短时傅里叶变换(short-timeFouriertransform，STFT)表达其时频信息，并按照时间方向定长分块，生成多通道脑电时频矩阵训练集{(S⁽ⁱ⁾,Y⁽ⁱ⁾),i＝1,2,…,m}；其中，对于脑电信号样本x(t)，利用短时傅里叶变换表达脑电时频信息s的公式如下：

其中，τ为时间索引，用来定位信号并调用窗函数w(t)进行傅里叶变换；t表示时间，j为脑电信号的定长分块长度；

用生成的脑电时频矩阵训练集{(S⁽ⁱ⁾,Y⁽ⁱ⁾),i＝1,2,…,m}训练深度通道注意力感知模型；

3)采集待检测多通道脑电信号X1；

4)用步骤2)方法对待检测多通道脑电信号X1进行预处理，获得待检测的多通道脑电时频矩阵S；

5)将待检测的多通道脑电时频矩阵S输入到训练好的深度通道注意力感知模型中，得到分类结果的癫痫标注Y和各通道得分{α_g1,α_g2,…,α_gC}；

6)根据模型分类结果Y1和各通道得分{α_g1,α_g2,…,α_gC}，对待检测多通道脑电信号X1的脑电类型即癫痫或非癫痫和各通道的贡献系数进行标记；至此，完成基于深度通道注意力感知的脑电癫痫发作检测过程。

2.根据权利要求1所述的一种基于深度通道注意力感知的脑电癫痫发作检测方法，其特征在于：步骤3)的具体实施过程如下，

a)通过深度神经网络表达脑电数据S⁽ⁱ⁾的全通道深度特征全通道深度特征为向量并反映多通道脑电信号的全局特征；

b)通过深度神经网络表达脑电数据S⁽ⁱ⁾的各通道深度特征向量组其中C表示通道个数，该向量组反映多通道脑电信号的局部特征；

c)基于步骤a)～b)得到的全局和局部特征，然后计算各通道的注意力得分(attentionscore)对于第k个通道的注意力得分的计算公式如下：

表示为通道k的能量系数，根据S⁽ⁱ⁾的全局特征和局部特征共同计算表达；经过计算后，S⁽ⁱ⁾的各通道被动态分配了一个归一化的得分该归一化的得分用来表示相对应通道对癫痫检测的贡献，训练深度通道注意力感知模型根据这个动态得分自动选择通道；

d)基于脑电时频矩阵训练集{(S⁽ⁱ⁾,Y⁽ⁱ⁾),i＝1,2,…,m}进行端到端的特征融合训练，其成本函数(cost function)J_ChannelAtt为：

其中，通过基于softmax分类器的特征融合函数获得；经过训练后，得到由参数集合Θ组成的深度通道注意力感知模型。