[发明专利]一种基于词袋模型和极限学习机的癫痫发作预警方法

摘要

本发明公开一种基于词袋模型和极限学习机的癫痫发作预警方法，将采集的多电极脑电进行预处理；将癫痫前期和癫痫间期的脑电信号片段分别进行聚类并做成两个字典，构成了癫痫脑电信号的局部表达；将一个时间窗内的局部信号投影到做好的字典上，提取时间窗内的直方图作为其特征；将顺序的多个时间窗的特征序列连接起来，考虑序列的特征；将提取到的序列特征输入极限学习机(ELM)中，分类输入序列为癫痫前期或癫痫间期；若分类为癫痫前期，则发出警报，若分类为癫痫间期，则报告正常。

主权项

一种基于词袋模型和极限学习机的癫痫发作预警方法，其特征在于，包括如下步骤：步骤(1)：采集癫痫发作前期及发作间期脑电信号；步骤(2)：预处理，所述预处理过程包括删除电压不变的电极，去除脑电信号中伪迹，将采集到的发作前期及发作间期脑电信号进一步分割为长度为S分钟的脑电信号片段；步骤(3)：词袋特征提取，包括波形词典构造和脑电信号片段的词袋特征提取；步骤(4)：分类模型学习，对于训练集中的脑电信号片段，利用步骤3提取其词袋特征；将提取到的特征和其对应的发作前期、发作间期标签作为输入训练极限学习机(ELM)；选取隐含节点个数为N，得到极限学习机的分类模型；步骤(5)：癫痫预警在采集到的脑电信号上，截取脑电信号片段，根据步骤3提取该片段的词袋特征，将提取到的特征输入步骤(4)学习到的分类模型，获得该脑电信号片段的类别；对多个脑电信号片段进行投票，分类为前期的片段多于半数则警报，反之则正常。