一种基于特征通道融合和深度学习的癫痫预测系统
公开
摘要
本发明公开了一种基于特征通道融合和深度学习的癫痫预测系统，该系统采用了非线性降维算法的T分布随机近邻嵌入算法(t‑SNE)来对癫痫脑电信号的特征通道信息进行融合，并通过短时傅里叶变换计算得到的时域、频域信息作为特征输入到深度残差收缩神经网络中，通过对癫痫的发作间期和发作前期进行识别，从而对癫痫的发作进行预测。该方法从特征维度的改进和分类器设计方面着手，不需要进行人工特征提取，改善了特征信息的表达，这为后续将癫痫预测推向临床应用提供了新的方法。
基本信息
专利标题 ：
一种基于特征通道融合和深度学习的癫痫预测系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114569141A
申请号 ：
CN202210216836.X
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-07
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
徐欣张尹纪卓捷吴建盛
申请人 ：
南京邮电大学
申请人地址 ：
江苏省南京市鼓楼区新模范马路66号
代理机构 ：
南京经纬专利商标代理有限公司
代理人 ：
罗运红
优先权 ：
CN202210216836.X
主分类号 ：
A61B5/369
IPC分类号 ：
A61B5/369 A61B5/00 G06K9/00 G06N3/04 G06N3/08
IPC结构图谱
A
A部——人类生活必需
A61
医学或兽医学；卫生学
A61B
诊断；外科；鉴定
A61B5/369
脑电图
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
