[发明专利]一种基于卷积神经网络的脑电高频振荡信号检测系统

权利要求书

1.一种基于卷积神经网络的脑电高频振荡信号检测系统，包括：用户端、数据预处理模块、高频振荡信号预检测模块、卷积神经网络模块及统计模块；其特征在于，所述用户端用于完成系统参数设定与脑电信号采集；所述数据预处理模块根据设定系统参数对脑电信号进行分段、滤波及去除工频干扰处理；所述高频振荡信号预检测模块根据设定系统参数对数据预处理模块输出脑电信号进行检测，得到疑似高频振荡片段，并将疑似高频振荡片段进行小波变换得到信号时频图；所述卷积神经网络模块用于对所有疑似高频振荡片段进行分类；所述统计模块用于记录高频振荡信号预检测模块检测出的所有疑似高频振荡片段的时间节点信息、以及其在卷积神经网络模块中的分类结果信息。

2.按权利要求1所述基于卷积神经网络的脑电高频振荡信号检测系统，其特征在于，所述用户端包括：用户选择模块、脑电信号采集模块、信号放大模块及存储模块；其中：

所述用户选择模块用于完成系统参数设置，所述系统参数包括：用户端接入数据为头皮脑电或者皮层脑电信号，数据预处理模块的数据分段时长与频带范围f1～f2，高频振荡信号预检测模块中的筛选标准：检测片段时长L毫秒、滑动窗口长度t秒、阈值参数x和峰值个数a，卷积神经网络模块中采用二分类判别或多分类判别；

所述脑电信号采集模块与电极相连，用于采集脑电信号；

所述信号放大模块将采集脑电信号进行放大后、存储于所述存储模块中。

3.按权利要求1所述基于卷积神经网络的脑电高频振荡信号检测系统，其特征在于，所述数据预处理模块包括：数据分段模块、带通滤波模块和去除工频干扰模块；其中：所述数据分段模块根据数据分段时长将脑电信号分段；所述带通滤波模块根据频带范围f1～f2对分段后脑电信号进行带通滤波；所述去除工频干扰模块采用50Hz陷波器对滤波后脑电信号去除工频干扰影响。

4.按权利要求1所述基于卷积神经网络的脑电高频振荡信号检测系统，其特征在于，所述高频振荡信号预检测模块的具体工作流程为：

1)建立t秒滑动窗口，并对t秒数据进行去均值处理，然后计算其均方根值，并设置阈值为均方根值的x倍；

2)检测时长为L毫秒的检测片段内超过阈值的峰值个数，若峰值个数大于等于a、则认定该检测片段为疑似高频振荡片段，同理检测下一个检测片段直至t秒信号完全检测完毕；同理再进行下一段t秒信号的检测直至当前脑电信号全部检测完成；

3)将所有疑似高频振荡片段分别进行小波变换得到信号时频图，并发送至卷积神经网络模块；同时，将所有疑似高频振荡片段的信号时频图及其时间节点信息发送至统计模块。

5.按权利要求1所述基于卷积神经网络的脑电高频振荡信号检测系统，其特征在于，所述卷积神经网络模块包括：特征提取层和分类层，其中，特征提取层包含卷积模块及池化模块，卷积模块使用预设尺寸的卷积核，对输入的信号时频图作局部连接、卷积，然后通过固定步长移动，使得信号时频图的每一部分都被卷积核作用，其结果作为特征被提取；池化模块用于下采样，以预设的尺寸及步长将卷积模块提取的特征尺寸缩小，以降低特征及计算量，同时可以有效防止过拟合；分类层由全连接的神经元组成，通过预设的权重、阈值，将提取的特征组合得出一个分类结果，然后其结果与原始标签比较，通过预先设置的损失函数求得误差，再通过反向传播，调整各个神经元连接的权重，减小误差，通过多轮训练得到卷积神经网络模块；对经过训练的卷积神经网络模块输入疑似高频振荡片段的信号时频图，卷积神经网络模块则输出对应疑似高频振荡片段的分类结果。

6.按权利要求5所述基于卷积神经网络的脑电高频振荡信号检测系统，其特征在于，所述卷积神经网络模块包括：二分类判别和多分类判别；其中，二分类判别时，所用训练样本由正样本和负样本组成，正样本为真实脑电高频振荡信号，负样本为与脑电高频振荡信号具有相似性的非脑电高频振荡信号；多分类判别时，所用的训练样本由涟波、快涟波、棘波和噪声样本组成。

7.按权利要求3所述基于卷积神经网络的脑电高频振荡信号检测系统，其特征在于，带通滤波方法为巴特沃斯滤波器、傅里叶FIR滤波器或小波包分解重构。