[發明專利]一種基于注意力機制的癲癇發作檢測系統

在審

• 申請號: 202211276626.6
• 申請日: 2022-10-19
• 公開（公告）號: CN115359909A
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 張成;王希豪;蘭海;楊冬平;魏憲
• 申請（專利權）人: 之江實驗室
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/00;G06N3/04;G06N3/08;A61B5/00;A61B5/374
• 代理公司: 北京志霖恒遠知識產權代理有限公司 11435
• 代理人: 戴莉

1.一種基于注意力機制的癲癇發作檢測系統，其特征在于，包括：

數據獲取模塊：用于從公開的數據庫中獲取待檢測的腦電信號數據；

數據處理模塊：用于對所述腦電信號數據進行預處理，得到預處理腦電信號數據；

癲癇發作檢測模塊：用于基于注意力機制構建CNN和Transformer神經網絡模型，通過所述預處理腦電信號數據訓練所述CNN和Transformer神經網絡模型得到CNN和Transformer神經網絡最優模型，利用所述CNN和Transformer神經網絡最優模型得到發作期和發作間期樣本的類別概率，用于識別癲癇發作。

2.如權利要求1所述的一種基于注意力機制的癲癇發作檢測系統，其特征在于，公開的所述數據庫包括波士頓兒童醫院頭皮腦電數據庫CHBMIT，待檢測的所述腦電信號使用公共的若干個腦電通道。

3.如權利要求1所述的一種基于注意力機制的癲癇發作檢測系統，其特征在于，所述數據處理模塊具體包括：

數據分割及增廣單元：用于對所述腦電信號數據進行滑窗分割、數據增廣，得到分割后腦電信號數據；

數據濾波單元：用于對所述分割后腦電信號數據采用巴特沃斯帶通濾波器以去除噪聲，得到濾波后腦電信號數據；

數據標準化單元：用于對所述濾波后腦電信號數據利用Z分數標準化，得到同一量級腦電信號數據；

數據劃分單元：用于將所述同一量級腦電信號數據添加標簽，將癲癇發作間期樣本設置為0，癲癇發作期樣本設置為1，得到預處理腦電信號數據，所述預處理腦電信號數據根據所述標簽分為訓練數據集和測試數據集。

4.如權利要求1所述的一種基于注意力機制的癲癇發作檢測系統，其特征在于，所述癲癇發作檢測模塊具體包括：

CNN和Transformer神經網絡模型構建單元：用于基于耦合注意力機制，利用所述預處理腦電信號數據中的訓練數據集對神經網絡模型進行訓練，并通過所述預處理腦電信號數據中的測試數據集進行調參，采用早期停止機制、學習率衰減方法對神經網絡模型進行優化，得到CNN和Transformer神經網絡最優模型；

癲癇發作檢測單元：用于利用所述CNN和Transformer神經網絡最優模型得到發作期和發作間期樣本的類別概率，用于識別癲癇發作。

5.如權利要求4所述的一種基于注意力機制的癲癇發作檢測系統，其特征在于，所述CNN和Transformer神經網絡模型構建單元的構建過程具體包括：

步驟S1：將所述訓練數據集輸入至卷積層CNN中提取腦電信號中包含每個腦電通道信息的特征向量；

步驟S2：將包含每個腦電通道信息的特征向量輸入至神經網絡Transformer層中，利用耦合注意力層得到注意力分數，所述注意力分數為基于查詢和鍵的相似度與值的加權和；

步驟S3：通過多個平行頭遍歷步驟S2得到多個平行頭的耦合注意力結果；

步驟S4：將多個平行頭的耦合注意力結果進行拼接，并采用層歸一化操作得到多頭耦合注意力層的輸出矩陣；

步驟S5：將所述輸出矩陣經過層后饋送至全連接層MLP進行數據降維，最終輸出用于表示分類結果的二維向量，當所述二維向量為，則表示癲癇發作期樣本，即癲癇發作；當所述二維向量為，則表示癲癇發作間期樣本，即非癲癇發作；

步驟S6：遍歷步驟S1-步驟S5，通過所述測試數據集進行調參，采用早期停止機制、學習率衰減方法對神經網絡模型進行優化，直至早期停止機制中的跟蹤驗證損失值在連續預設輪次停止下降時，保存優化后的CNN和Transformer神經網絡模型，得到CNN和Transformer神經網絡最優模型。

6.如權利要求5所述的一種基于注意力機制的癲癇發作檢測系統，其特征在于，所述步驟S1中所述卷積層CNN使用卷積核的卷積公式得到卷積層CNN的包含單獨腦電通道信息的輸出特征向量，所述特征向量表示，其中，是卷積層CNN中的濾波器的個數，是腦電通道數，是壓縮后的時間步長。