[发明专利]一种基于注意力机制的癫痫发作检测系统

说明书

本发明公开了一种基于注意力机制的癫痫发作检测系统，包括：数据获取模块：用于从公开的数据库中获取待检测的脑电信号数据；数据处理模块：用于对所述脑电信号数据进行预处理，得到预处理脑电信号数据；癫痫发作检测模块：用于基于注意力机制构建CNN和Transformer神经网络最优模型，将脑电信号数据通过所述CNN和Transformer神经网络最优模型得到发作期和发作间期样本的类别概率，用于识别癫痫发作。本发明基于训练集和测试集对网络进行训练，使用早期停止机制、学习率衰减等方法对CNN和Transformer神经网络进行优化，得到用于癫痫发作检测的最优网络参数，使用CNN和Transformer神经网络对样本数据进行分类，可以高效快速的识别出癫痫发作的类别，从而提高癫痫识别的准确率。

技术领域

本发明涉及一种癫痫信号检测技术领域，尤其涉及一种基于注意力机制的癫痫发作检测系统。

背景技术

癫痫是世界上最常见的神经系统疾病之一。根据世界卫生组织报道，全世界大约有5000万人患有癫痫。它的特点是大脑神经元过度放电引起的反复发作、阵发性和短暂的中枢神经系统功能紊乱，致使患者经常失去意识和抽搐运动，进而导致严重的身体伤害、甚至死亡。脑电图（EEG）是一种记录大脑活动的有效工具，可以直接记录癫痫放电，已被广泛用于癫痫的诊断和治疗；然而脑电图的分析与癫痫发作的标注严重依赖于专业的医生，耗时耗力且效率低下；基于机器学习的方法依赖于人工制作的特征，不同的病人表现出来的脑电活动不尽相同，训练得到的的网络面对新的受试者时往往无法表现出很好的泛化性能。因此，自动从脑电数据中提取和学习特征信息是非常有必要的。

为此，我们提出一种基于注意力机制的癫痫发作检测系统以解决上述技术问题。

发明内容

本发明的目的在于提供一种基于注意力机制的癫痫发作检测系统，解决了现有技术中如何利用数据预处理方法得到同一量级的数据集，再利用CNN和Transformer神经网络对预处理完的数据集进行特征提取和分类，并保存在训练过程中的最优模型，以便快速识别出癫痫发作状态。

本发明采用的技术方案如下：

一种基于注意力机制的癫痫发作检测系统，包括：

数据获取模块：用于从公开的数据库中获取待检测的脑电信号数据；

数据处理模块：用于对所述脑电信号数据进行预处理，得到预处理脑电信号数据；

癫痫发作检测模块：用于基于注意力机制构建CNN和Transformer神经网络模型，通过所述预处理脑电信号数据训练所述CNN和Transformer神经网络模型得到CNN和Transformer神经网络最优模型，利用所述CNN和Transformer神经网络最优模型得到发作期和发作间期样本的类别概率，用于识别癫痫发作。

进一步地，公开的所述数据库包括波士顿儿童医院头皮脑电数据库CHBMIT，待检测的所述脑电信号使用公共的若干个脑电通道。

进一步地，所述数据处理模块具体包括：

数据分割及增广单元：用于对所述脑电信号数据进行滑窗分割、数据增广，得到分割后脑电信号数据；

数据滤波单元：用于对所述分割后脑电信号数据采用巴特沃斯带通滤波器以去除噪声，得到滤波后脑电信号数据；

数据标准化单元：用于对所述滤波后脑电信号数据利用Z分数标准化，得到同一量级脑电信号数据；

数据划分单元：用于将所述同一量级脑电信号数据添加标签，将癫痫发作间期样本设置为0，癫痫发作期样本设置为1，得到预处理脑电信号数据，所述预处理脑电信号数据根据所述标签分为训练数据集和测试数据集。

进一步地，所述癫痫发作检测模块具体包括：