申请/专利权人：南京邮电大学

申请日：2024-04-03

公开（公告）日：2024-06-18

公开（公告）号：CN118203333A

主分类号：A61B5/369

分类号：A61B5/369;A61B5/372;A61B5/00;G06F18/213;G06F18/24;G06F18/21;G06F18/25

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明提供基于脑电信号熵特征和模型融合的癫痫预警系统和方法，包括信号采集模块；信号分类分段模块：用于对第一脑电信号进行分类，分为两类：A类和B类，A类为预定时间段后有癫痫发作的信号，B类为预定时间后无癫痫发作的信号；信号去噪模块；特征提取模块：用于对去噪后的第一脑电信号、第二脑电信号从时域、频域、时频域及空间域四个角度计算第一脑电信号、第二脑电信号的熵特征；模型训练模块：用于训练决策树、随机森林、GBDT三种机器学习模型，训练获得最终的融合模型；发作预警模块：所述发作预警模块对预定时间段后是否有癫痫发作做出预警。本发明提高了预测准确率，同时也提升了整个系统的性能。

主权项：1.基于脑电信号熵特征和模型融合的癫痫预警系统，其特征在于，包括：信号采集模块：所述信号采集模块用于采集用户正常期与发作前期的头皮脑电信号作为第一脑电信号，第一脑电信号用于癫痫预警系统的构建；所述信号采集模块还用于实时采集用户一个完整采集单位的脑电信号作为第二脑电信号，第二脑电信号用于进行用户预警癫痫发作的输入；信号分类分段模块：所述信号分类分段模块用于对第一脑电信号进行分类，分为两类：A类和B类，A类为预定时间段后有癫痫发作的信号，B类为预定时间后无癫痫发作的信号；信号去噪模块：所述信号去噪模块用于对第一脑电信号、第二脑电信号进行去噪处理；特征提取模块：所述特征提取模块用于对去噪后的第一脑电信号、第二脑电信号从时域、频域、时频域及空间域四个角度计算第一脑电信号、第二脑电信号的熵特征，其中，时域计算样本熵，频域计算频谱熵，时频域计算小波熵，空间域计算空间熵；模型训练模块：所述模型训练模块用于训练决策树、随机森林、GBDT三种机器学习模型，训练数据的特征为所述特征提取模块提取的第一脑电信号熵特征，训练数据的标签即为1和0的二分类标签，标签1为A类信号，标签0为B类信号，使用加权平均法对三个模型进行融合，并确定类别判别的最佳阈值，训练获得最终的融合模型；发作预警模块：所述发作预警模块将所述特征提取模块计算的第二脑电信号的熵特征输入所述融合模型后输出预测标签，经过两级“kofn”法输出发作预警结果，对预定时间段后是否有癫痫发作做出预警。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于脑电信号熵特征和模型融合的癫痫预警系统和方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD