[發明專利]一種癲癇腦電自動分類模型的獲取方法、系統及分類系統

在審

• 申請號: 202010625498.6
• 申請日: 2020-07-02
• 公開（公告）號: CN111700592A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 楊曉利;楊彬;李振偉;白永杰;許俊超;吳曉琴
• 申請（專利權）人: 河南科技大學
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/0476;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 崔玥

1.一種癲癇腦電自動分類系統，其特征在于，所述系統包括有效腦電信號獲取模塊、時頻圖獲取模塊、分類模塊以及輸出模塊；

所述有效腦電信號獲取模塊用于對待分類的腦電信號進行小波變換，獲得有效頻帶范圍的腦電信號，記為有效腦電信號；

所述時頻圖獲取模塊用于對所述有效腦電信號進行短時傅里葉變換，獲得反應時間和頻率的時頻圖；

所述分類模塊用于利用TensorFlow框架對所述時頻圖進行分類，得到模型分類結果；所述TensorFlow框架是利用初始Inception-V3卷積神經網絡模型對所述時頻圖進行遷移學習來得到特征向量，再將所述特征向量輸入優化后的Inception-V3卷積神經網絡模型進行分類的；

所述輸出模塊用于輸出所述優化后的Inception-V3卷積神經網絡模型的分類結果。

2.根據權利要求1所述的一種癲癇腦電自動分類系統，其特征在于，所述有效腦電信號獲取模塊包括腦電信號導入單元和小波分解單元；

所述腦電信號導入單元用于將所述待分類的腦電信號導入所述小波分解單元中；

所述小波分解單元用于對所述待分類的腦電信號進行多層小波分解，得到所述有效腦電信號；所述小波分解的層數由所述待分類的腦電信號的采樣頻率決定。

3.根據權利要求1所述的一種癲癇腦電自動分類系統，其特征在于，所述分類模塊包括數據集劃分單元、特征提取單元、模型優化單元和模型訓練單元；

數據集劃分單元用于將癲癇發作期腦電信號的時頻圖和正常腦電信號的時頻圖組成數據集，并采用random函數將所述數據集分為訓練集、驗證集和測試集，對所述訓練集、所述測試集和所述驗證集數據添加標簽，其中，所述癲癇發作期腦電的時頻圖的標簽為1，所述正常腦電信號的時頻圖的標簽為0；

所述特征提取單元用于調用初始Inception-V3卷積神經網絡模型對所述數據集中的所述時頻圖進行遷移學習的特征處理并輸出特征向量；

所述模型優化單元用于對所述初始Inception-V3卷積神經網絡模型進行優化，將所述全連接層替換為二分類，得到所述優化后的Inception-V3卷積神經網絡模型；

所述模型訓練單元用于利用所述訓練集、所述驗證集和所述測試集對所述優化后的Inception-V3卷積神經網絡模型進行訓練、驗證以及測試，所述模型訓練單元在訓練過程中使用交叉熵損失函數和隨機梯度下降算法對所述優化后的Inception-V3卷積神經網絡模型進行訓練，得到所述優化后的Inception-V3卷積神經網絡模型的分類結果。

4.根據權利要求3所述的一種癲癇腦電自動分類系統，其特征在于，所述模型優化單元還用于調用所述分類結果計算所述優化后的Inception-V3卷積神經網絡模型的分類準確率；所述模型優化單元是通過正確率、召回率和精確率計算所述優化后的Inception-V3卷積神經網絡模型的分類準確率的；

所述正確率計算公式為：

其中，ACC表示所述優化后的Inception-V3卷積神經網絡模型的分類正確率，TP為真正例，表示被正確分類的所述癲癇發作期腦電信號樣本數；TN為真反例，表示被正確分類的所述正常腦電信號的樣本數；FP為偽正例，表示被錯誤分類的所述癲癇發作期腦電信號的樣本數；FN為偽反例，表示被錯誤分類的所述正常腦電信號的樣本數；

所述召回率計算公式為：

其中，SEN表示所述優化后的Inception-V3卷積神經網絡模型的分類召回率；

所述精確率計算公式為：

其中，PRE表示所述優化后的Inception-V3卷積神經網絡模型的分類精確率。