申请/专利权人：杭州电子科技大学

申请日：2023-11-14

公开（公告）日：2024-04-19

公开（公告）号：CN117912683A

主分类号：G16H50/30

分类号：G16H50/30;A61B5/318;G06F18/2411;G06F18/213;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种基于VMD与PSSVM全局联合优化的发作预测系统，包括信号采集器，数据预处理器、信号特征提取器、PSSVM分类器和BL‑Jaya联合优化器。其中，预处理器对采集到的原始ECG数据进行1～80Hz带通滤波得到标准ECG信号,并对标准ECG信号进行R峰检测和分割；对分割得到的节拍进行VMD分解，得到K个子带；对每一个子带进行特征提取，并用基于参数C和γ的PSSVM模型对节拍分类，判断其处于癫痫发作间期还是癫痫发作前期；利用BL‑Jaya算法对VMD的参数K和PSSVM的参数C和γ进行优化，并得到最佳参数。本发明提高了基于ECG信号的癫痫发作预测能力。

主权项：1.一种基于VMD与PSSVM全局联合优化的发作预测系统，包括信号采集器，数据预处理器、信号特征提取器、PSSVM分类器和BL-Jaya联合优化器，其中，信号采集器用于获取心电信号，即原始EEG数据；数据预处理器用于接收所述信号采集器的原始EEG数据并进行数据预处理；其中，对采集到的原始EEG数据进行1Hz～80Hz带通滤波得到标准ECG信号，并去除基线漂移和高频噪声后，以R峰为中心，取R峰前后的0.8s数据，将ECG信号分割为多个片段；信号特征提取器用于采用VMD方法对ECG信号进行分解，其中，将ECG数据分解为K个本征模函数，并提取近似熵、模糊熵、排列熵、Higuchi分形维数、Hjorth复杂度、Hjorth移动性共6个特征；PSSVM分类器用于获取信号特征提取器提取的特征，并将提取到的6个特征参数进行分类处理后输出分类结果，其中，每5个参数构成一个特征子空间，得到的6个特征子空间分别用于训练各自对应的SVM分类器；采用10折交叉验证方法将ECG信号划分为训练集和测试集，然后根据训练集数据建立最优癫痫发作预测模型，区分发作前期和发作间期数据，并计算其kappa参数；最后对这6个SVM分类器进行融合，得到最终的分类结果；BL-Jaya联合优化器用于获取信号特征提取器和PSSVM分类器的数据，并将VMD和PSSVM的参数进行联合优化后输出给特征提取器，其中，引入反向学习机制对Jaya算法进行改进。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于VMD与PSSVM全局联合优化的发作预测系统

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