[发明专利]癫痫脑磁图棘波检测方法及装置

权利要求书

1.癫痫脑磁图棘波检测方法，其特征在于，包括：

构建棘波检测模型：对训练样本的原始癫痫脑磁数据进行数据分割，得多通道多频率融合的癫痫脑磁信号；利用所述癫痫脑磁信号对基于脑磁信号的信号分类网络模型进行训练；将所述癫痫脑磁信号进行空间重建，得多通道多频率融合的癫痫脑磁视频；利用所述癫痫脑磁视频对基于脑磁视频的视频分类网络进行训练；将训练好的信号分类网络和视频分类网络进行模型融合，得棘波检测模型；

将待检测的脑磁数据进行数据分割后，输入所述棘波检测模型，得该脑磁数据的棘波检测结果。

2.如权利要求1所述的癫痫脑磁图棘波检测方法，其特征在于，还包括，在数据分割前，对所述原始癫痫脑磁数据和所述待检测的脑磁数据进行伪迹去除。

3.如权利要求1所述的癫痫脑磁图棘波检测方法，其特征在于，所述癫痫脑磁信号为包含多个脑磁图数据片段，每个脑磁图数据片段为一个大小为M*N的二维矩阵形式的数据集，M为对应原始癫痫脑磁数据的通道数；N为对应原始癫痫脑磁数据的通道时间长度。

4.如权利要求1所述的癫痫脑磁图棘波检测方法，其特征在于，所述信号分类网络包括二维空间子模型A、一维空间子模型B和二维空间子模型C；其中，所述二维空间子模型A为二维卷积神经网络模型，所述一维空间子模型B为一维卷积神经网络模型，所述二维空间子模型C为二维深度可分离卷积神经网络模型，且所述二维空间子模型A和所述二维空间子模型C的输入为所述癫痫脑磁信号，所述一维空间子模型B的输入为二维空间子模型A输出所得。

5.如权利要求4所述的癫痫脑磁图棘波检测方法，其特征在于，所述视频分类网络包括三维空间子模型D和四维时序子模型E，其中，所述三维空间子模型D为三维卷积神经网络模型，所述四维时序子模型E为基于TimeSformer的无卷积时序视频分类网络模型，且所述三维空间子模型D的输入为所述癫痫脑磁视频经降维后的三维矩阵，所述四维时序子模型E的输入为脑磁视频片段，所述脑磁视频片段由多个从所述癫痫脑磁视频中采样的大小为W*H的图片帧组成，W为图像宽，H为图像高。

6.如权利要求5所述的癫痫脑磁图棘波检测方法，其特征在于，所述降维包括：采用公式1，使用对数增强颜色极值，并使用常系数增强红色值和蓝色值，得三维矩阵A；再采用公式2对所述三维矩阵A进行归一化处理，得三维矩阵B；将所述三维矩阵B作为所述三维空间子模型D的输入，其中，公式1为output＝logR*n+logG+logB*(-n)，式中，R，G，B分别是红色、绿色和蓝色三个颜色通道上的0-255的数值，n为常系数；公式2为式中，x为公式1中的output值。

7.如权利要求5所述的癫痫脑磁图棘波检测方法，其特征在于，所述模型融合包括：对所述一维空间子模型B、所述二维空间子模型C、所述三维空间子模型D和所述四维时序子模型E四个维度训练得到的模型权重进行加载，使用Flatten层连接卷积层和全连接层把多维的输入一维化，再使用全局平均池化层Global Average Pooling和非线性激活函数LeakyRelu函数加深各个特征之间的关联，经过非线性变化，映射到输出空间中，最后经过Sigmoid函数得到最终的棘波检测结果。

8.癫痫脑磁图棘波检测装置，其特征在于，包括：

伪迹去除模块，用于对脑磁数据进行伪迹去除；

数据分割模块，用于对伪迹去除后的脑磁数据进行数据分割，得多通道多频率融合的脑磁信号；

棘波检测模块，其内含棘波检测模型，用于对输入的所述脑磁信号进行检测，得对应脑磁数据的棘波检测结果；其中，

所述棘波检测模型的构建方法为：对训练样本的原始癫痫脑磁数据进行数据分割，得多通道多频率融合的癫痫脑磁信号；利用所述癫痫脑磁信号对基于脑磁信号的信号分类网络模型进行训练；将所述癫痫脑磁信号进行空间重建，得多通道多频率融合的癫痫脑磁视频；利用所述癫痫脑磁视频对基于脑磁视频的视频分类网络进行训练；将训练好的信号分类网络和视频分类网络进行模型融合，即得。