[发明专利]一种头戴式提醒癫痫患者的预警装置

权利要求书

1.一种头戴式提醒癫痫患者的预警装置，其特征在于，所述装置包括：

训练模块：构建由输入层、卷积层、池化层、残差块、全连接层和输出层构成的残差神经网络模型，模型的特点为通过残差连接，使得上一卷积层的输出不但作为下一卷积层的输入，还跳过中间卷积层，作为第后三层的卷积层输入；即输入图像不但作为卷积层1的输入，还作为卷积层3的输入；卷积层2的输出不但作为卷积层3的输入，还作为卷积层5的输入；卷积层4的输出不但作为卷积层5的输入，还作为卷积层7的输入，以此类推；

将训练集分成若干个批次输入网络进行训练；

预测模块：通过残差神经网络预测实时监测的脑电时频图，经过逐层变化由卷积层和残差块提取抽象特征，通过softmax函数得到癫痫是否会发作的标签和概率；

预警模块：癫痫发作前期预警提示患者和患者家属；

所述装置还包括：输入图像先通过32个大小为1*1的卷积核改变特征的通道数目，再送入卷积层1；而且中间计算特征在送入卷积层5之前，需要再通过64个大小为1*1的卷积核改变特征的通道数目；

所述装置还包括：在PC机上搭建34层的残差神经网络，具体搭建过程是先按照输入层，卷积层1、卷积层2、池化层1，卷积层3、卷积层4、池化层2……卷积层19、卷积层20、池化层10、全连接层1，全连接层2，全连接层3和输出层的形式搭建普通卷积神经网络；

所述残差神经网络的网络层数是34层，每个学习批次大小为32，输入的脑电时频图大小是224*224；其中，卷积层的卷积核大小为3*3，卷积核步数为2，卷积层的权重初始化按照He initialization的方式，激活函数为ReLu；卷积层1～4的卷积核个数为32，卷积层5～10的卷积核个数为64，卷积层11～14的卷积核个数为128，卷积层15～18的卷积核个数为256，卷积层19和20的卷积核个数为512；池化层的卷积核大小为3*3，池化层步数为2，池化方式为SAME，按照最大值池化；全连接层的神经元个数为200，设置dropout为0.5，输出层的神经元个数为2，用softmax函数分类；

所述训练模块还包括：

记录患者每次癫痫发作前期的脑电信号和患者正常时期的脑电信号，与临床癫痫发作前期的脑电信号制成脑电信号数据集，并预处理转化为脑电时频图，将脑电时频图分为训练集、交叉验证集和测试集；

利用交叉熵评估残差神经网络的训练输出和样本标签的误差，利用RMSprop算法，通过反向传播，调整残差网络的权重和偏差；

所述PC机通过巴特沃斯带通滤波算法，将接收到的脑电信号按照0.5Hz～90Hz范围提取，然后通过窗宽200ms，重叠80％的短时傅里叶变换将信号转化为脑电时频图。

2.根据权利要求1所述的一种头戴式提醒癫痫患者的预警装置，其特征在于，所述预警模块具体为：

残差神经网络根据脑电时频图预测患者是否发生癫痫和发生癫痫的概率；

如果是，发出预警音，且发生癫痫概率越大预警音量越大，同时癫痫发作的概率会通过网络通信系统发送短信到患者家属的手机上。