[发明专利]建立癫痫发作检测模型的方法和设备

权利要求书

1.一种建立癫痫发作检测模型的方法，其特征在于，包括：

获取训练数据，所述训练数据包括ECG数据、呼吸数据和EEG数据，以及用于表示癫痫是否发作的标签；

利用多个所述训练数据对机器学习模型进行训练，以使所述机器学习模型根据所述ECG数据、呼吸数据和EEG数据输出表示癫痫是否发作的检测结果，并根据所述检测结果与所述标签的差异优化所述机器学习模型的参数。

2.根据权利要求1所述的方法，其特征在于，所述机器学习模型包括二维卷积层；所述ECG数据、呼吸数据和EEG数据以二维矩阵的形式作为所述机器学习模型的输入数据，所述二维卷积层用于对所述二维矩阵输入数据进行卷积处理。

3.根据权利要求2所述的方法，其特征在于，所述机器学习模型包括多个具有不同尺寸卷积核的卷积神经网络。

4.根据权利要求3所述的方法，其特征在于，所述机器学习模型包括三个卷积神经网络，其中第一个接收输入数据的卷积神经网络的卷积核尺寸为K1*K1,其后串联的两个积神经网络的卷积核尺寸均为K2*K2,K1K2。

5.根据权利要求1-3中任一项所述的方法，其特征在于，所述机器学习模型进行训练的过程中采用如下二分类交叉熵损失函数：

其中N为训练样本数量，I(k＝yi)为指示函数，P_model由所述机器学习模型的二分类sofmax函数计算得到的类别概率。

6.根据权利要求1或2所述的方法，其特征在于，多个所述训练数据中，属于癫痫发作的训练数据的数量与属于癫痫未发作的训练数据的数量相等。

7.根据权利要求1或2所述的方法，其特征在于，所述获取训练数据包括：

获取被测试者的生理信号，包括ECG信号、呼吸信号和EEG信号；

以时间间隔t和时间长度T的滑动窗口将所述生理信号截取为多个信号段，作为所述ECG数据、呼吸数据和EEG数据，其中tT；

分别确定各个所述信号段是否在癫痫发作期内，以确定信号段的标签。

8.根据权利要求7所述的方法，其特征在于，在截取所述多个信号段之前，利用设定截止频率的带通滤波器对EEG信号进行降噪处理。

9.根据权利要求1所述的方法，其特征在于，所述呼吸数据包括胸带数据、腹带数据和鼻压数据；所述EEG数据包括基于10-20国际标准导联系统的19个位点的脑电数据；所述ECG数据为12导联心电图数据。

10.一种建立癫痫发作检测模型的设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-9中任意一项所述的建立癫痫发作检测模型的方法。