[发明专利]一种癫痫脑电自动分类模型的获取方法、系统及分类系统

说明书

本发明涉及一种癫痫脑电自动分类模型的获取方法及系统，系统包括有效脑电信号获取模块、时频图获取模块、分类模块、分类准确率计算模块以及输出模块；本发明还公开了一种癫痫脑电信号自动分类系统，系统包括有效脑电信号获取模块、时频图获取模块、分类模块以及输出模块；本发明的系统和方法，通过采用迁移学习对时频图进行自动特征提取，在降低对大量特征处理时间的基础上，又减少了参数调试以及参数学习的工作量，大大节约了网络模型搭建和训练的时间，从而提高系统及模型对脑电信号分类的效率。

技术领域

本发明涉及生物医学工程信号处理领域，特别是涉及一种癫痫脑电自动 分类模型的获取方法、系统及分类系统。

背景技术

癫痫是一种较为常见的脑部疾病。世界卫生组织2019年6月统计，全世界 有大约5000万癫痫患者，约占总人口的0.6％～0.8％，且每年以240万的速度增 加，癫痫病年龄跨度大，且趋于年轻化，严重威胁人类健康发展。在癫痫人群 中，20岁以下的青少年和儿童成为高发人群。癫痫的产生原因十分复杂，其发 病机制至今仍未能完全阐明，很多情况下无法从患者的脑部发现可以解释相应 症状的结构或代谢的异常。但是癫痫患者的脑电信号包含了大脑大量的病理信 息。脑电图是一种低成本非侵入性工具，可用于长期评估。因此，脑电图是诊 断癫痫最有用的工具。目前，癫痫的诊断主要依靠医生对脑电图的检查分析，耗时耗力，而且存在误判的问题，因此，对癫痫脑电信号的自动识别分类对癫 痫病的检测有重要的意义，能在很大程度上减轻医生的负担和提高诊断效率。

脑电信号是一种随机非平稳信号，且噪声背景强，信号微弱，因此对信号 的特征提取存在一定的困难。现有的系统均单从时域分析或者频域分析，效果 都不理想，因为信号的随机、非平稳性，从而不能充分的表现出癫痫信号的特 征。而时频分析能充分的保留信号的时间和频率信息。因此，采用时频分析的 系统针对癫痫脑电信号进行分析，可提取出众多癫痫脑电相关特征。

传统的基于时频分析的癫痫脑电处理模型及系统通过获取癫痫脑电信号 的时频图，提取众多特征，进行分类。但是在保证分类较高的精度，特征提取 较少的同时，又要降低处理的计算时间，两者之间较难权衡。因此本发明的方 案将对信号经过处理得到的时频图，采用机器学习进行自动特征提取与分类， 实现癫痫脑电的分类与自动识别，从而减轻医生的负担，提高系统对脑电图诊 断的效率。

发明内容

本发明的目的是提供一种癫痫脑电自动分类模型的获取方法、系统及 分类系统，通过采用迁移学习对时频图进行自动特征提取，在降低对大量特 征处理时间的基础上，又减少了参数调试以及参数学习的工作量，大大节约了 网络模型搭建和训练的时间，从而提高系统及模型对脑电信号分类的效率。

为实现上述目的，本发明提供了如下方案：

一种癫痫脑电自动分类系统，所述系统包括有效脑电信号获取模块、时频 图获取模块、分类模块以及输出模块；

所述有效脑电信号获取模块用于对待分类的脑电信号进行小波变换，获得 有效频带范围的脑电信号，记为有效脑电信号；

所述时频图获取模块用于对所述有效脑电信号进行短时傅里叶变换，获得 反应时间和频率的时频图；

所述分类模块用于利用TensorFlow框架对所述时频图进行分类，得到模 型分类结果；所述TensorFlow框架是利用初始Inception-V3卷积神经网络模型 对所述时频图进行迁移学习来得到特征向量，再将所述特征向量输入优化后的 Inception-V3卷积神经网络模型进行分类的；

所述输出模块用于输出所述优化后的Inception-V3卷积神经网络模型的分 类结果。

一种癫痫脑电自动分类模型的获取方法，所述方法包括：

对待分类的脑电信号进行多层小波分解，获得有效频带范围的脑电信号， 记为有效脑电信号；所述小波分解的层数由所述待分类的脑电信号的采样频率 决定；