[发明专利]一种颅内脑电的检测方法、装置、电子设备及存储介质

权利要求书

1.一种颅内脑电的检测方法，其特征在于，所述方法包括：

获取待检测的颅内脑电图数据；

将所述待检测的颅内脑电图数据输入预先训练好的深度融合模型，其中，所述深度融合模型包括双向长短时记忆网络层、一维卷积神经网络层和全连接层；

通过所述双向长短时记忆网络层检测所述颅内脑电图数据随时间变化的变化趋势，得到典型特征向量；

通过所述一维卷积神经网络层对所述颅内脑电图数据进行多次下采样，得到深层高维度特征；

将所述典型特征向量和所述深层高维度特征进行特征融合，得到融合特征；

通过所述全连接层判断所述融合特征中是否包含目标病灶的致病信号。

2.根据权利要求1所述的方法，其特征在于，所述将所述待检测的颅内脑电图数据输入预先训练好的深度融合模型之后，所述方法还包括：

通过巴特沃斯Butterworth带通滤波器对所述待检测的颅内脑电图数据进行滤波处理；

对滤波后的信号进行离散小波变换，得到所述待检测的颅内脑电图数据的信号特征；

所述通过所述双向长短时记忆网络层检测所述颅内脑电图数据随时间变化的变化趋势，得到典型特征向量，包括：

通过所述双向长短时记忆网络层检测所述信号特征随时间变化的变化趋势，得到典型特征向量；

所述通过所述一维卷积神经网络层对所述颅内脑电图数据进行多次下采样，得到深层高维度特征，包括：

通过所述一维卷积神经网络层对所述信号特征进行多次下采样，得到深层高维度特征。

3.根据权利要求2所述的方法，其特征在于，所述通过所述双向长短时记忆网络层检测所述信号特征随时间变化的变化趋势，得到典型特征向量，包括：

将所述信号特征划分为多个片段；

对各所述片段进行特征提取，得到各所述片段的多个维度的特征；

通过所述双向长短时记忆网络层，根据各所述片段的多个维度的特征检测所述信号特征随时间变化的变化趋势，得到典型特征向量。

4.根据权利要求1所述的方法，其特征在于，所述通过所述全连接层判断所述融合特征中是否包含目标病灶的致病信号，包括：

通过所述全连接层判断所述融合特征中是否包含致痫信号。

5.一种颅内脑电的检测装置，其特征在于，所述装置包括：

数据获取模块，用于获取待检测的颅内脑电图数据；

数据输入模块，用于将所述待检测的颅内脑电图数据输入预先训练好的深度融合模型，其中，所述深度融合模型包括双向长短时记忆网络层、一维卷积神经网络层和全连接层；

典型特征提取模块，用于通过所述双向长短时记忆网络层检测所述颅内脑电图数据随时间变化的变化趋势，得到典型特征向量；

深层特征提取模块，用于通过所述一维卷积神经网络层对所述颅内脑电图数据进行多次下采样，得到深层高维度特征；

特征融合模块，用于将所述典型特征向量和所述深层高维度特征进行特征融合，得到融合特征；

信号判断模块，用于通过所述全连接层判断所述融合特征中是否包含目标病灶的致病信号。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

滤波处理子模块，用于通过巴特沃斯Butterworth带通滤波器对所述待检测的颅内脑电图数据进行滤波处理；

小波变换子模块，用于对滤波后的信号进行离散小波变换，得到所述待检测的颅内脑电图数据的信号特征；

所述典型特征提取模块，包括：

变化趋势检测子模块，用于通过所述双向长短时记忆网络层检测所述信号特征随时间变化的变化趋势，得到典型特征向量；

所述深层特征提取模块，包括：

下采样子模块，用于通过所述一维卷积神经网络层对所述信号特征进行多次下采样，得到深层高维度特征。