[发明专利]癫痫检测方法和装置

说明书

本申请实施例提供一种癫痫检测方法和装置，涉及终端技术领域，方法包括：获取第一数据；从加速度计数据中提取第一运动幅度特征数据以及深度特征数据；从加速度计数据中提取第二运动幅度特征数据；将第一运动幅度特征数据和深度特征数据输入至第一神经网络模型，得到跌倒检测结果；将第二运动幅度特征数据输入至第二神经网络模型，得到抽搐检测结果；当跌倒检测结果满足第一预设条件、抽搐检测结果满足第二预设条件和/或肌肉僵硬检测结果满足第三预设条件时，确定第一数据对应的状态为癫痫发作状态。这样，终端设备可以基于用户的跌倒、抽搐或肌肉僵硬等状态识别用户是否处于癫痫发作状态，可以实现对于癫痫检测的准确性和实时性。

技术领域

本申请涉及终端技术领域，尤其涉及一种癫痫检测方法和装置。

背景技术

癫痫是一种脑部慢性非传染性疾病，该病的特点是反复发作。当癫痫发作时，身体的某一部位或整个身体可以短暂的进行非自主性抽搐(或称为部分性发作或全身性发作)，有时癫痫发作也伴随着用户的意识丧失或尿便失禁等情况，目前癫痫已经影响到了全球大约5000万人。因此，癫痫的检测具有较为重要的意义。

通常情况下，可以利用专业的检测设备，如脑电图设备等，检测癫痫患者的大脑神经元的异常放电情况，进而确定癫痫患者是否处于癫痫发作状态。

然而，由于癫痫的反复性和突发性，上述癫痫的检测方法，无法实现癫痫患者的发病情况的实时检测。

发明内容

本申请实施例提供一种癫痫检测方法和装置，可以实现癫痫的实时检测。

第一方面，本申请实施例提供一种癫痫检测方法，终端设备包括加速度传感器和电感传感器，方法包括：终端设备获取第一数据；第一数据包括加速度计数据和电信号数据；加速度计数据是加速度传感器采集的，电信号数据是电感传感器采集的；终端设备从加速度计数据中提取第一运动幅度特征数据以及深度特征数据；第一运动幅度特征数据为用于跌倒检测的数据；终端设备从加速度计数据中提取第二运动幅度特征数据；第二运动幅度特征数据为用于抽搐检测的数据；终端设备将第一运动幅度特征数据和深度特征数据输入至第一神经网络模型，得到跌倒检测结果；终端设备将第二运动幅度特征数据输入至第二神经网络模型，得到抽搐检测结果；第一运动幅度大于第二运动幅度；当跌倒检测结果满足第一预设条件、抽搐检测结果满足第二预设条件和/或肌肉僵硬检测结果满足第三预设条件时，终端设备确定第一数据对应的状态为癫痫发作状态；肌肉僵硬检测结果为基于电信号数据的检测得到的；或者，当跌倒检测结果不满足第一预设条件、抽搐检测结果不满足第二预设条件、和/或肌肉僵硬检测结果不满足第三预设条件时，终端设备确定第一数据对应的状态为非癫痫发作状态。这样，终端设备可以基于用户的发病特征，例如跌倒、抽搐或肌肉僵硬等状态识别用户是否处于癫痫发作状态，可以实现对于癫痫检测的准确性和实时性。

其中，第一运动幅度特征数据可以为本申请实施例中描述的跌倒检测方法中的传统特征，深度特征数据可以为本申请实施例中描述的跌倒检测方法中的深度特征，第一神经网络模型可以为本申请实施例中描述的跌倒检测模型；第二运动幅度特征数据可以为本申请实施例中描述的抽搐检测方法中的传统特征，第二神经网络模型可以为本申请实施例中描述的抽搐检测模型；第一预设条件可以为跌倒检测结果中指示第一数据对应的状态满足跌倒状态，第二预设条件可以为抽搐检测结果中指示第一数据对应的状态满足抽搐状态，第三预设条件可以为当该电信号数据的变化率超过变化率阈值，则肌肉僵硬检测结果中指示第一数据对应的状态为肌肉僵硬状态；第一运动幅度可以理解为跌倒检测状态的运动幅度；第二运动幅度可以理解为抽搐检测状态的运动幅度。

在一种可能的实现方式中，深度特征数据为终端设备利用第三神经网络模型，对加速度计数据进行深度特征提取得到的。这样，对加速度计数据的进行深度特征提取，可以利用深度特征实现对于跌倒状态的精准识别。

其中，第三神经网络模型可以为本申请实施例中描述的跌倒检测方法中的卷积神经网络模型。