[发明专利]自动确定人工神经网络识别癫痫样放电阈值的方法及装置

权利要求书

1、一种确定识别癫痫样放电阈值的方法，其步骤包括：

a、将病人脑电输入人工神经网络，并由该网络的输出计算出总峰值分布曲线，网络输出一个个的峰，把每个峰值和其出现的次数画成一条网络输出峰值分布曲线，即总峰值分布曲线，

b、对该总峰值分布曲线的非ED区用幂函数y＝A(C-X)^B进行拟合，形成拟合曲线，

c、将该拟合曲线逐步向总峰值分布曲线上的混合区外推，直至拟合曲线与x轴相交，便完成对非ED分布曲线的最后确定，

d、将该总峰值分布曲线减去非ED分布曲线，得出ED分布曲线，

e、从该ED分布曲线和非ED分布曲线确定ED阈值。

2、根据权利要求1所述的确定识别癫痫样放电的阈值的方法制成的自动确定人工神经网络识别癫痫样放电阈值的装置，包括以双向电路相联结的数据采集器和计算机，该数据采集器与一多路脑电放大器相连接，该计算机连接打印机或直接下载给智能动态脑电记录仪，在该计算机中建立人工神经网络，每一路脑电信号在该神经网络中有相应的输入节点，以及驻留有BP算法程序，该人工神经网络由二个三层BP子网络组成，分别称为左子网络和右子网络，左子网络和右子网络的输出经加权平均后，组成网络输出O，左、右子网络各有三层：输入层、隐含层和输出层，在该计算机的内存中分别设置输入层数据存贮区、隐含层数据存贮区和输出层数据存储区，对于一个BP子网络，W_ji表示输入层第i个节点到隐含层第j个节点的联接权重，W_lj表示隐含层第j个节点到输出层第l个节点的联接权重，隐含层和输出层的节点含有偏置值；θ_j表示隐含层第j个节点的偏置值，θ_l表示输出层第l个节点的偏置值；隐含层节点和输出层节点的输入输出激励函数采用“S”型函数：

    f(X)＝1/(1+exp(-X))

一个输入层有n_i个节点，隐含层有n_j个节点，输出层有n_l个节点的子网络，P_i表示子网络第i个节点的输入值，H_INj表示隐含层第j个节点的输入值，H_OUTj表示隐含层第j个节点的激活值，O_INl表示输出层第l个节点的输入值，O_OUTl表示输出层第l个节点的输出值，则前馈按下列公式进行计算； H INj = Σ i = 1 n i ( W ji × P i ) × θ j ]]>

        H_OUTj＝1/(1+exp(-H_INj)) O INl = Σ j = 1 n j ( W lj × H OUTj ) + θ l ]]>

        O_OUTl＝1/(1+exp(-O_INl))

对于输出层只有一个节点的子网络，左右两个子网络的输出分别表示为O_l和O_r，左子网络的加权系数为，则右子网络的加权系数为，并网络输出算出总峰值分布曲线，其特征在于：

在该计算机的内存贮器中还驻留与该人工神经网络以程序联结的确定阈值程序模块。

3、根据权利要求2所述的自动确定人工神经网络识别癫痫样放电阈值的装置，其特征在于所说的确定阈值程序模块，其流程结构如图4所示。