[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

说明书

本发明实施例提供的一种颅内脑电的检测方法、装置、电子设备及存储介质，应用于信息技术领域，可以获取待检测的颅内脑电图数据；将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；通过双向长短时记忆网络层检测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；通过一维卷积神经网络层对颅内脑电图数据进行多次下采样，得到深层高维度特征；将典型特征向量和深层高维度特征进行特征融合，得到融合特征；通过全连接层判断融合特征中是否包含目标病灶的致病信号。可以通过全连接层自动判断融合特征中是否包含目标病灶的致病信号，不但可以实现自动化监测，还可以降低人工成本，提高监测效率。

技术领域

本发明涉及信息技术领域，特别是涉及一种颅内脑电的检测方法、装置、电子设备及存储介质。

背景技术

目前，颅内脑电技术已经有着广泛的应用。颅内脑电技术可以通过精密的电子仪器，从头皮上将脑部的自发性生物电位加以放大并进行记录，通过记录的信息可以为癫痫、精神分裂症、躁狂抑郁症、精神异常等疾病的检查和治疗提供指导。

然而，目前在对获取的颅内脑电图数据进行分析的过程中，一般均是通过医生根据经验对获取的脑电图数据进行分析，不但人工成本高，耗时长，而且容易产生误判，检查效率低。

发明内容

本发明实施例的目的在于提供一种颅内脑电的检测方法、装置、电子设备及存储介质，以实现提高颅内脑电数据的检查效率。具体技术方案如下：

本申请实施例的第一方面，首先提供了一种颅内脑电的检测方法，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。

可选的，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。

可选的，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。