公开(公告)号：CN109009102B

公开(公告)日：2021-02-12

申请号：CN201810909558.X

申请日：2018-08-10

Applicant: 中南大学

Inventor： 陈志刚 ,  肖雨桐 ,  刘佳琦

IPC: A61B5/369 ,  A61B5/00 ,  A61B5/372

Abstract: 本发明提供了一种基于脑电图深度学习的辅助诊断方法及系统，用以解决癫痫疾病诊断准确度不高的问题，包括：S10：获取采集的脑电图样本数据，将脑电图样本数据整合至预设规范化模型中，得到规范化脑电图整型数据；S20：根据预设词嵌入模型，将规范化脑电图整型数据转换为词嵌入向量；S30：根据预设深度学习模型对词嵌入向量进行特征提取，并对提取后的特征进行时间标记以及识别诊断；S40：根据时间标记以及识别诊断，输出疾病发作概率，并对疾病发作概率超过预设概率的脑电图样本数据进行区分。本发明通过训练模型对病人的脑电图进行自动诊断，自动识别并标记脑电图中癫痫发作的时间区域，同时给出患病概率，减少临床医生的工作效率，提高诊断效率。

公开(公告)号：CN109009102A

公开(公告)日：2018-12-18

申请号：CN201810909558.X

申请日：2018-08-10

Applicant: 中南大学

Inventor： 陈志刚 ,  肖雨桐 ,  刘佳琦

IPC: A61B5/0476 ,  A61B5/00

CPC classification number: A61B5/0476 ,  A61B5/04012 ,  A61B5/7235 ,  A61B5/7271 ,  A61B5/7275

Abstract: 本发明提供了一种基于脑电图深度学习的辅助诊断方法及系统，用以解决癫痫疾病诊断准确度不高的问题，包括：S10：获取采集的脑电图样本数据，将脑电图样本数据整合至预设规范化模型中，得到规范化脑电图整型数据；S20：根据预设词嵌入模型，将规范化脑电图整型数据转换为词嵌入向量；S30：根据预设深度学习模型对词嵌入向量进行特征提取，并对提取后的特征进行时间标记以及识别诊断；S40：根据时间标记以及识别诊断，输出疾病发作概率，并对疾病发作概率超过预设概率的脑电图样本数据进行区分。本发明通过训练模型对病人的脑电图进行自动诊断，自动识别并标记脑电图中癫痫发作的时间区域，同时给出患病概率，减少临床医生的工作效率，提高诊断效率。