[发明专利]一种基于EcoG癫痫神经信号的解码方法和云端解码系统有效
| 申请号： | 201910049383.4 | 申请日： | 2019-01-18 |
| 公开（公告）号： | CN109924974B | 公开（公告）日： | 2022-02-08 |
| 发明（设计）人： | 秦迎梅;门聪;赵佳;车艳秋;韩春晓;薛彬 | 申请（专利权）人： | 天津职业技术师范大学（中国职业培训指导教师进修中心） |
| 主分类号： | A61B5/369 | 分类号： | A61B5/369;G06N3/06;G06K9/00;G06K9/62 |
| 代理公司： | 天津创智天诚知识产权代理事务所(普通合伙) 12214 | 代理人： | 李薇 |
| 地址： | 300222 天*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于EcoG癫痫神经信号的解码方法和云端解码系统，所述解码方法，包括以下步骤：步骤1，提取原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；步骤3，基于SVM模型，对采集到的小波系数特征进行学习模型训练，再利用该学习模型进行预测，步骤4，返回模型预测结果。本发明可在智能医疗装置在采集到病人EcoG信号后，可通过网络api，访问该云端部署的癫痫EcoG识别模型，上传病人准实时EcoG信息，获取返回的分类结果。 | ||
| 搜索关键词： | 一种 基于 ecog 癫痫 神经 信号 解码 方法 云端 系统 | ||
【主权项】：
1.一种基于EcoG癫痫神经信号的解码方法，其特征在于，包括以下步骤：步骤1，提取待测试癫痫病人的原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；步骤3，利用所述SVM机器学习模型进行预测：第一阶段，基于所述小波系数特征识别放电信号波形所对应的神经元类别，把单个EcoG时间序列信号转换成多个神经元类别的时间序列信号，然后提取所述多个神经元类别的放电率；第二阶段，将得到的所述多个神经元类别的放电率输入到SVM机器学习模型，以预测出病人是否处于癫痫前状态；步骤4，返回模型预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津职业技术师范大学（中国职业培训指导教师进修中心），未经天津职业技术师范大学（中国职业培训指导教师进修中心）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910049383.4/，转载请声明来源钻瓜专利网。
