申请/专利权人：杭州电子科技大学

申请日：2021-07-13

公开（公告）日：2024-04-02

公开（公告）号：CN113598791B

主分类号：A61B5/369

分类号：A61B5/369;A61B5/372

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.11.23#实质审查的生效;2021.11.05#公开

摘要：本发明属于脑电图应用技术领域，具体涉及基于静息态脑电图使用时空卷积神经网络的意识障碍分类方法。包括以下步骤：S1，采集意识障碍患者的脑电图信号，并随机分为训练集与测试集；S2，对脑电图信号进行滤波处理，并对训练集与测试集，进行重采样得到训练样本和测试样本；S3，设定阈值，并剔除含有超出阈值数据的训练样本和测试样本；S4，构建时空卷积神经网络模型并训练；S5，利用测试样本，对训练后的模型的性能进行评估；S6，采集有待诊断患者的脑电图信号作为模型输入，计算出分类结果。本发明具有不依赖于患者的行为反应和专家经验，且诊断准确率高，诊断效率高的特点。

主权项：1.基于静息态脑电图使用时空卷积神经网络的意识障碍分类方法，其特征在于，包括以下步骤：S1，采集意识障碍患者的脑电图信号，并将采集到的脑电图信号随机分为训练集与测试集；S2，对步骤S1中采集的脑电图信号进行滤波处理，并通过滑动窗口方法对步骤S1中的训练集与测试集，进行重采样得到训练样本和测试样本；S3，设定阈值，并剔除含有超出阈值数据的训练样本和测试样本；S4，构建时空卷积神经网络模型，并利用步骤S3获得的训练样本对时空卷积神经网络模型进行训练；S5，利用步骤S3中获得的测试样本，对步骤S4中训练得到的时空卷积神经网络模型的性能进行评估；S6，对于有待诊断的意识障碍患者，采集所述有待诊断的意识障碍患者的脑电图信号作为模型输入，利用步骤S4训练好的时空卷积神经网络模型，直接计算所述有待诊断的意识障碍患者为最小意识状态和无反应觉醒综合征的概率；步骤S3中所述阈值设定为200μV；步骤S4中，所述构建时空卷积神经网络模型的过程包括如下步骤：S41，输入数据维度为16×2560×1；S42，在时间维度使用一维卷积核，提取脑电图信号的时间特征，输出数据维度为16×640×32；S43，在空间维度使用一维卷积核，提取脑电图信号的空间特征，输出数据维度为1×640×128；S44，在时间维度使用一维卷积核，提取全脑空间特征的时间特征，输出数据维度为1×20×256；S45，通过全连接层实现分类，输出分类结果；步骤S5还包括如下步骤：S51，利用步骤S4中训练得到的时空卷积神经网络模型对每个测试样本做出分类，计算时空卷积神经网络模型对所有测试样本分类的准确率；S52，所述测试集中每一病例包含多个样本，其中第i个病例的样本被分类为最小意识状态的比例为pi，无反应觉醒综合征的比例为1-pi，以pi和1-pi作为第i个病例的分类概率，根据对测试集各病例的分类概率，以无反应觉醒综合征为阳性绘制接受者操作特性曲线，并计算曲线下方的面积。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于静息态脑电图使用时空卷积神经网络的意识障碍分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD