公开(公告)号：CN109924973A

公开(公告)日：2019-06-25

申请号：CN201910049378.3

申请日：2019-01-18

Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)

Inventor： 秦迎梅 ,  门聪 ,  赵佳 ,  韩春晓 ,  车艳秋 ,  薛彬

IPC: A61B5/0476 ,  G06K9/00

Abstract: 本发明公开了一种基于GBDT模型的癫痫前期EEG信号识别方法与云端系统，所述解码方法，包括以下步骤：步骤1，提取待测试癫痫病人的原始EEG时间序列信号，对其进行低通滤波后，提取信号均值、标准差、最大值、最小值、变异系数、80％分位数和20％分位数作为特征；步骤2，基于小波分解算法，把低通滤波后的信号分解为d1-d5五个不同分辨率下的子信号；步骤3，利用功率谱分析，提取五个不同分辨率下的子信号的信号强度；步骤4，利用GBDT机器学习模型进行预测：将得到的五个不同分辨率下的子信号的信号强度输入到所述GBDT机器学习模型，以预测出病人是否处于癫痫前状态；步骤5，返回模型预测结果。本发明预测精准度高，便于维护。

公开(公告)号：CN109924974B

公开(公告)日：2022-02-08

申请号：CN201910049383.4

申请日：2019-01-18

Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)

Inventor： 秦迎梅 ,  门聪 ,  赵佳 ,  车艳秋 ,  韩春晓 ,  薛彬

IPC: A61B5/369 ,  G06N3/06 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于EcoG癫痫神经信号的解码方法和云端解码系统，所述解码方法，包括以下步骤：步骤1，提取原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；步骤3，基于SVM模型，对采集到的小波系数特征进行学习模型训练，再利用该学习模型进行预测，步骤4，返回模型预测结果。本发明可在智能医疗装置在采集到病人EcoG信号后，可通过网络api，访问该云端部署的癫痫EcoG识别模型，上传病人准实时EcoG信息，获取返回的分类结果。

公开(公告)号：CN109924974A

公开(公告)日：2019-06-25

申请号：CN201910049383.4

申请日：2019-01-18

Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)

Inventor： 秦迎梅 ,  门聪 ,  赵佳 ,  车艳秋 ,  韩春晓 ,  薛彬

IPC: A61B5/0476 ,  G06N3/06 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于EcoG癫痫神经信号的解码方法和云端解码系统，所述解码方法，包括以下步骤：步骤1，提取原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；步骤3，基于SVM模型，对采集到的小波系数特征进行学习模型训练，再利用该学习模型进行预测，步骤4，返回模型预测结果。本发明可在智能医疗装置在采集到病人EcoG信号后，可通过网络api，访问该云端部署的癫痫EcoG识别模型，上传病人准实时EcoG信息，获取返回的分类结果。