[發明專利]基于優化的多維樣本熵的癲癇發作信號檢測方法

有效

• 申請號: 202010637325.6
• 申請日: 2020-07-03
• 公開（公告）號: CN111870241B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 丁吉;劉陽;汪茜;張啟忠;高云園;席旭剛
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/372;A61B5/00
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.基于優化的多維樣本熵的癲癇發作信號檢測系統，包括信號采集與預處理模塊，特征提取模塊和預測模塊，其特征在于該系統通過如下步驟運行：

步驟(1)、通過信號采集與預處理模塊采集腦電數據并進行預處理；

步驟(2)、通過特征提取模塊計算優化的多維樣本熵；

①、構造多維向量；

優化的多維樣本熵計算的原始數據為k道EEG信號，每道信號有N個采樣點，m為嵌入維；構造的向量中的每個點都是一個k維的向量；每條通道采集的EEG信號有n個采樣點，第一道信號的采樣點為x₁₁、x₁₂、x₁₃、…、x_1n，第二道信號的采樣點為x₂₁、x₂₂、x₂₃、…、x_2n，以此類推，第k道信號的采樣點為x_k1、x_k2、x_k3、…、x_kn；提取每道信號第a個采樣點，得到一個多維向量Q(a)＝(x_1a,x_2a,x_3a,…,x_ka)；嵌入維取m＝2，所以定義點X(a)＝[Q(a),Q(a+1)]；

計算Q(a)和Q(a+1)之間的距離D[Q(a),Q(a+1)]；由于Q(a)是一個多維向量，所以

其中O_D為歐氏距離；將計算所得的距離全部存入一個表中，以避免下次循環重復計算；

m＝2時，X(a)＝[Q(a),Q(a+1)]，X(a+1)＝[Q(a+1),Q(a+2)]，從表中取D[Q(a),Q(a+1)]和D[Q(a+1),Q(a+2)]，取較大者作為X(a)和X(a+1)間的距離；

設相似容限R，計算小于R的距離個數x₁，

計算所有的平均值

m＝3時，X(a)＝[Q(a),Q(a+1),Q(a+2)]，X(a+1)＝[Q(a+1),Q(a+2),Q(a+3)],從表中取D[Q(a),Q(a+1)]、D[Q(a+1),Q(a+2)]和D[Q(a+2),Q(a+3)]，取最大者作為X(a)和X(a+1)間的距離；

設相似容限R，計算X(a)和X(a+1)間的距離小于R的距離個數x₂，

計算所有的平均值

計算優化的多維樣本熵SampEn＝-ln[B^m+1(R)/B^m(R)]；

步驟(3).通過預測模塊，根據特征提取模塊得到的優化的多維樣本熵，用Bi-LSTM進行癲癇發作信號檢測；將當前時刻之前計算得到的優化多維樣本熵作為Bi-LSTM的輸入，利用Bi-LSTM預測時間序列的功能，輸出預測的接下來的多維樣本熵；再通過Bi-LSTM的分類功能把預測的多維樣本熵分為兩類，即發作期和正常期，以達到癲癇發作信號檢測的目的。