[发明专利]一种头戴式提醒癫痫患者的预警装置

说明书

本发明公开了一种头戴式提醒癫痫患者的预警装置，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，通过残差块跳跃连接使得上一层的输出作为下一层的输入还同时跳过中间一层作为后一层的输入；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。本发明解决了现有的癫痫预警方式误报率过高的问题。

技术领域

本发明涉及脑电图像识别领域，尤其涉及一种头戴式提醒癫痫患者的预警装置。

背景技术

癫痫是一种常见的慢性神经系统疾病，由于癫痫具有突然性和反复性的特点，所以经常会给患者带来巨大的痛苦。如果能在癫痫发作前预警告知，就能提前采取措施做好准备，在很大程度上能缓解患者的烦恼。

早期的癫痫预警大多是人们设计好特征提取算法，然后进行模板匹配，这样的识别误差率十分高。近年来随着人工智能的不断发展，尤其是神经网络的巨大进步，越来越多的人尝试通过神经网络的方式去提前预警癫痫发作。因为神经网络能自动从数据样本中学习大量的特征，能有效的将低层特征抽象为更高层的特征，从而更准确的完成脑电图像的识别问题

中国专利公开号CN106821376A提出了“一种基于深度学习算法的癫痫发作预警系统及方法”，虽然该专利提出了使用深度神经网络去识别癫痫信号，但是并没有通过卷积层去提取特征，所以识别准确率并不高。中国专利公开号CN108403111A提出了“一种基于卷积神经网络的癫痫脑电识别方法和系统”，虽然该专利在深度神经网络的基础上增加了卷积层，但是其模型采用的是Lenet-5网络架构，只有6层网络，所以识别准确率还有很大的提升空间。

综上所述，如何克服现有技术不足，设计一种准确率更高的能够提醒癫痫患者的预警装置是一个十分重要的难题。

发明内容

本发明提供了一种头戴式提醒癫痫患者的预警装置，本发明解决了现有的癫痫预警方式误报率过高的问题，详见下文描述：

一种头戴式提醒癫痫患者的预警装置，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，通过残差块跳跃连接使得上一层的输出作为下一层的输入还同时跳过中间一层作为后一层的输入；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。

其中，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。

进一步地，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。

其中，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224X224。

本发明提供的技术方案的有益效果是：

1、本发明所构思的癫痫预警实现了头戴式实时检测癫痫发作预警的功能；