[發明專利]采用新型能量算子和多尺度熵的癲癇檢測方法及系統

在審

• 申請號: 202011557928.1
• 申請日: 2020-12-25
• 公開（公告）號: CN112784683A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 胡偉波;帥國彬;燕翔;馬偉;肖知明;王美玉
• 申請（專利權）人: 南開大學;南開大學深圳研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;A61B5/372;A61B5/00
• 代理公司: 天津市亦略知識產權代理事務所(普通合伙) 12250
• 代理人: 黎鵬

1.一種采用新型能量算子和多尺度熵的癲癇檢測方法，其特征在于，包括：

S1、獲取腦電信號，采用小波變化和多分辨率分析，對腦電信號進行分解；

S2、從分解后的腦電信號中篩選出癲癇特征波頻段的待檢測信號，利用新型Teager能量算子計算，得出能量增強信號；

S3、采用多尺度熵對增強信號提取特征信息；

S4、將提取的特征信息輸入訓練好的極限學習機中，得出檢測結果。

2.根據權利要求1所述的采用新型能量算子和多尺度熵的癲癇檢測方法，其特征在于，在S2中，利用新型Teager能量算子計算，增強信號能量時，采用以下方法：

S201、預設采樣分辨率i；

S202、對待檢測信號按照前后相隔i個采樣點進行采樣；

S203、利用Teager能量算子對采樣后的數據進行計算，得出增強信號。

3.根據權利要求1所述的采用新型能量算子和多尺度熵的癲癇檢測方法，其特征在于，在S3中，采用多尺度熵對增強信號提取特征信息時，采用以下步驟：

S301、對增強型后的時間序列進行粗粒化計算，得出粗粒化向量序列；

S302、按照預設相似性容忍度，計算粗粒化向量序列在不同尺度下的熵值；

S303、將計算得出的熵值作為特征值，實現特征信息提取。

4.根據權利要求3所述的采用新型能量算子和多尺度熵的癲癇檢測方法，其特征在于，在S301中，進行粗粒化計算時，采用如下公式：

其中，X＝{x₁,x₂,...,x_n}表示時間序列，u(u＝1,2,...)表示尺度因子。

5.根據權利要求3所述的采用新型能量算子和多尺度熵的癲癇檢測方法，其特征在于，在S302中，在計算不同尺度下的熵值時，采用如下方法：

在粗粒化向量序列中隨機選擇兩個向量y(i)和y(j)；

計算y(i)和y(j)之間的最大模，作為兩個向量之間的距離d；

以相似性容忍度作為閾值，統計兩個向量之間距離d≤r的數目，計算平均相似度；

根據平均相似度計算熵值。

6.根據權利要求3所述的采用新型能量算子和多尺度熵的癲癇檢測方法，其特征在于，在S302中，計算不同尺度下的熵值時，采用如下公式：

其中，B^m+1(r)為向量維數為m+1時的平均相似度；B^m(r)為向量維數為m時的平均相似度。

7.根據權利要求1所述的采用新型能量算子和多尺度熵的癲癇檢測方法，其特征在于，利用極限學習機計算檢測結果之前，所述極限學習機采用如下方法進行訓練：

獲取樣本數據特征至極限學習機中，隨機初始化輸入的權重向量和偏置向量；

計算隱藏層輸出矩陣；

采用最小二乘法，計算輸出權重。

8.一種采用新型能量算子和多尺度熵的癲癇檢測系統，其特征在于，包括

信號獲取模塊，用于獲取腦電信號，采用小波變化和多分辨率分析，對腦電信號進行分解；

信號增強模塊，用于從分解后的腦電信號中篩選出癲癇特征波頻段的待檢測信號，利用新型Teager能量算子計算，得出能量增強信號；

特征提取模塊，用于采用多尺度熵對增強信號提取特征信息；

極限學習機檢測模塊，用于將提取的特征信息輸入訓練好的極限學習機中，得出檢測結果。