公开(公告)号：CN118975806A

公开(公告)日：2024-11-19

申请号：CN202410500883.6

申请日：2024-04-24

Applicant: 哈尔滨理工大学

Inventor： 刘侠 ,  张宝元 ,  李冰 ,  桂桑榆

IPC: A61B5/372 ,  A61B5/00 ,  G06F18/2415 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084 ,  G06F123/02

Abstract: 一种多模态的轻量化癫痫脑电信号分类模型的训练方法、建立方法、分类方法，属于信号处理技术领域，本发明提出了一种轻量化的多模态癫痫检测模型，旨在通过同时分析信号的时域特征和频域特征来提高癫痫检测的准确率和效率。本发明的模型：首先应用短时傅里叶变换(STFT)对单通道脑电图(EEG)信号进行预处理，构建三通道的图像作为频域模态；同时，原始EEG信号直接作为时域模态。两种模态通过经过自适应解耦知识蒸馏预训练的特征提取模块进行特征提取。为进一步提升模型性能，引入全局一致性学习和局部共现学习方法，有效融合不同模态的特征。实验结果显示，该模型在波恩大学开源癫痫脑电数据集上的性能优于现有方法，尤其在分类精度和泛化能力方面表现突出。本发明适用于提高癫痫脑电信号分类的准确性和可靠性。