[發(fā)明專利]基于集成分類的高頻振蕩節(jié)律檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 202110088997.0
• 申請日: 2021-01-22
• 公開（公告）號: CN112790775B
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計）人: 吳敏;覃宏振;萬雄波;杜玉曉
• 申請（專利權(quán)）人: 中國地質(zhì)大學(xué)（武漢）
• 主分類號: A61B5/372
• 分類號: A61B5/372;G06K9/00;G06K9/62
• 代理公司: 武漢知產(chǎn)時代知識產(chǎn)權(quán)代理有限公司 42238
• 代理人: 張毅

1.一種基于集成分類的高頻振蕩節(jié)律檢測方法，其特征在于，包括以下步驟：

通過均方根算法對預(yù)處理后腦電信號進(jìn)行計算，獲得所述預(yù)處理后腦電信號中的疑似高頻振蕩節(jié)律；

通過降噪自編碼網(wǎng)絡(luò)對所述疑似高頻振蕩節(jié)律的小波系數(shù)進(jìn)行特征提取，獲得所述疑似高頻振蕩節(jié)律的時頻域特征；

通過樣本權(quán)重調(diào)節(jié)后的集成分類器對所述時頻域特征進(jìn)行檢測，獲得高頻振蕩節(jié)律；

所述樣本權(quán)重調(diào)節(jié)后的集成分類器的訓(xùn)練過程包括以下步驟：

獲取樣本權(quán)重調(diào)節(jié)因子；

根據(jù)所述樣本權(quán)重調(diào)節(jié)因子訓(xùn)練集成分類器，訓(xùn)練完成后獲得樣本權(quán)重調(diào)節(jié)后的集成分類器；

所述樣本權(quán)重調(diào)節(jié)因子包括：間隔內(nèi)的樣本權(quán)重調(diào)節(jié)因子和間隔外分類錯誤的高頻振蕩節(jié)律樣本權(quán)重調(diào)節(jié)因子；

所述間隔內(nèi)的樣本權(quán)重調(diào)節(jié)因子的表達(dá)式具體為：

其中，表示第t+1次迭代時第n個樣本的樣本權(quán)重調(diào)節(jié)因子，和分別表示第t次迭代后分類間隔內(nèi)高頻振蕩節(jié)律樣本數(shù)量和非高頻振蕩節(jié)律樣本數(shù)量，t＝1,2,...,T，T是最大迭代次數(shù)，y_n表示樣本的標(biāo)簽，y_n＝-1表示對應(yīng)的樣本是非高頻振蕩節(jié)律，y_n＝+1表示對應(yīng)的樣本是高頻振蕩節(jié)律；且當(dāng)時，高頻振蕩節(jié)律的樣本權(quán)重調(diào)節(jié)因子大于1，非高頻振蕩節(jié)律的樣本權(quán)重調(diào)節(jié)因子小于1；和相差越大，高頻振蕩節(jié)律的樣本權(quán)重調(diào)節(jié)因子越大，非高頻振蕩節(jié)律的樣本權(quán)重調(diào)節(jié)因子越小；n為樣本編號；t為迭代次數(shù)；

所述間隔外分類錯誤的高頻振蕩節(jié)律樣本權(quán)重調(diào)節(jié)因子的表達(dá)式具體為：

其中，和分別表示高頻振蕩節(jié)律樣本總數(shù)量和第t次迭代后間隔外分類錯誤的高頻振蕩節(jié)律樣本數(shù)量；且式中e為常數(shù)，其值約等于2.7；樣本權(quán)重調(diào)節(jié)因子隨著間隔外分類錯誤的高頻振蕩節(jié)律樣本數(shù)量的增加而增加；當(dāng)高頻振蕩節(jié)律樣本全部分類正確時當(dāng)高頻振蕩節(jié)律樣本全部分類錯誤時

2.根據(jù)權(quán)利要求1所述的基于集成分類的高頻振蕩節(jié)律檢測方法，其特征在于，所述通過均方根算法對預(yù)處理后腦電信號進(jìn)行計算，獲得所述預(yù)處理后腦電信號中的疑似高頻振蕩節(jié)律的步驟之前，還包括：

對所述腦電信號進(jìn)行帶通濾波操作，去除所述腦電信號中通頻帶以外的信號，獲得預(yù)處理后腦電信號。

3.根據(jù)權(quán)利要求1所述的基于集成分類的高頻振蕩節(jié)律檢測方法，其特征在于，所述通過均方根算法對預(yù)處理后腦電信號進(jìn)行計算，獲得所述預(yù)處理后腦電信號中的疑似高頻振蕩節(jié)律，具體為：

對所述預(yù)處理后腦電信號進(jìn)行移動窗處理，計算所述預(yù)處理后腦電信號的均方根值RMS(q)，具體的計算公式為：

其中，s(k)表示預(yù)處理后腦電信號的第k個數(shù)據(jù)點的幅值，k表示數(shù)據(jù)點的編號；L表示窗長；N_lL表示預(yù)處理后腦電信號的總長度，N_l是移動窗的數(shù)量；q表示均方根的編號；

設(shè)置均方根閾值Threshold＝E+3SD，其中E和SD分別是均方根的平均值和標(biāo)準(zhǔn)差；

將所述均方根值大于所述均方根閾值的預(yù)處理后腦電信號認(rèn)為是疑似事件；

將時間間隔小于5ms的兩個所述疑似事件合并為一個所述疑似事件；

判斷各所述疑似事件的持續(xù)時間，若所述疑似事件的持續(xù)時間大于30ms，則將該疑似事件前后100ms的預(yù)處理后腦電信號認(rèn)為是疑似高頻振蕩節(jié)律。

4.根據(jù)權(quán)利要求1所述的基于集成分類的高頻振蕩節(jié)律檢測方法，其特征在于，所述通過降噪自編碼網(wǎng)絡(luò)對所述疑似高頻振蕩節(jié)律的小波系數(shù)進(jìn)行特征提取，獲得所述疑似高頻振蕩節(jié)律的時頻域特征，具體為：

計算所述疑似高頻振蕩節(jié)律的小波系數(shù)，具體計算公式為：

s_EOI(kQ)是疑似高頻振蕩節(jié)律，a是頻率伸縮因子，b是時間平移因子，Q是腦電信號的采樣周期，ψ^*是Morlet母小波函數(shù)的共軛函數(shù)，Morlet母小波函數(shù)為，f_b是頻率帶寬，f_c是中心頻率，q表示均方根的編號；k表示數(shù)據(jù)點的編號；

將所述疑似高頻振蕩節(jié)律的小波系數(shù)輸入降噪自編碼網(wǎng)絡(luò)；所述疑似高頻振蕩節(jié)律的時頻域特征為所述降噪自編碼網(wǎng)絡(luò)各隱藏層的激活值。