公开(公告)号：CN119033387A

公开(公告)日：2024-11-29

申请号：CN202411460789.9

申请日：2024-10-18

Applicant: 哈尔滨理工大学

Inventor： 程晨晨 ,  宋婉津 ,  吴海超 ,  尤波 ,  陈晨 ,  李佳钰

IPC: A61B5/374 ,  A61B5/00 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于癫痫发作预测技术领域，公开了一种基于全局上下文感知生成网络的癫痫发作预测方法，包括：获取癫痫发作前期和间期的脑电信号；对脑电信号滤波和时间窗分割，得到时间窗信号片段；构建全局上下文感知生成网络，对时间窗信号片段进行全局依赖关系捕获与上下文信息整合，得到合成信号片段；构建多尺度时频特征深度卷积癫痫发作预测模型，对数据增强样本进行多尺度时频分析，深入挖掘癫痫脑电的关键特征。本发明采用上述一种基于全局上下文感知生成网络的癫痫发作预测方法，克服发作状态持续差异性的问题，保证脑电数据样本空间丰富性，提高预测精度，为癫痫发作预测领域提供新的思路和技术手段。

公开(公告)号：CN119033388A

公开(公告)日：2024-11-29

申请号：CN202411460791.6

申请日：2024-10-18

Applicant: 哈尔滨理工大学

Inventor： 程晨晨 ,  吴海超 ,  宋婉津 ,  陈晨 ,  李佳钰 ,  尤波

IPC: A61B5/374 ,  A61B5/00 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于癫痫发作预测技术领域，公开了一种基于多元深度自注意卷积网络的癫痫发作预测方法，包括以下步骤：S1、基于数据收集模块，获取癫痫发作前期和间期的脑电信号；S2、基于数据处理模块，对脑电信号进行滤波提纯以及分割，获得时间窗信号片段；S3、基于模型构建与训练模块，构建多元深度自注意卷积网络，实现高精度癫痫发作预测。本发明采用上述一种基于多元深度自注意卷积网络的癫痫发作预测方法，对时间窗信号片段进行高相关性时序上下文预测特征，合理描述波形片段间的时序相关性，增强原始数据的辨识力，提高癫痫发作的预测精度。

公开(公告)号：CN119055256A

公开(公告)日：2024-12-03

申请号：CN202411460796.9

申请日：2024-10-18

Applicant: 哈尔滨理工大学

Inventor： 程晨晨 ,  吴海超 ,  宋婉津 ,  李佳钰 ,  陈晨 ,  尤波

IPC: A61B5/374 ,  A61B5/00 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/25

Abstract: 本发明属于癫痫发作预测技术领域，公开了一种基于动态多尺度时空注意力网络的癫痫发作预测方法，包括以下步骤：S1、基于数据收集模块获取脑癫痫发作前期和间期电信号；S2、基于数据处理模块，对脑电信号进行滤波提纯以及分割，获取时间窗信号片段；S3、基于模型构建与训练模块，构建动态多尺度时空注意力网络，其包括动态时间注意力模型、多尺度空间注意力模型和交叉注意力特征融合模型。本发明采用上述一种基于动态多尺度时空注意力网络的癫痫发作预测方法，探究癫痫脑电的时空复杂协同关系，获得脑电长程时空特征，从而提高癫痫发作预测精度；此外本发明还增强了原始数据的辨识力，增加了深度学习算法中的可解释性和适用性。