一种基于深度学习算法的头皮脑电图致痫区的识别与定位方法
- 专利权人:
- 中山大学
- 发明人:
- 蔡庆玲,梁伟霞,裴海军,周毅,邓少风
- 申请号：
- CN201810478375.7
- 公开号：
- CN108852350A
- 申请日:
- 2018.05.18
- 申请国别(地区):
- CN
- 年份:
- 2018
- 代理人:
- 摘要：
- 本发明属于人工智能和深度学习领域,具体涉及一种基于深度学习中的LRCN网络的头皮脑电图致痫区的识别与定位方法,本发明的发明构思:将癫痫脑电图像巧妙地分为正常、发作前期、发作高峰以及发作后期四个阶段,利用深度学习中的LRCN网络自动的提取癫痫脑电图中四个不同阶段的时间特征信息和空间特征信息,以此作为判断标准自动识别和定位出癫痫脑电图像中的不同阶段,并结合癫痫发作过程的特点——依次出现正常、发作前期、发作高峰、发作后期这四个阶段,最终实现对癫痫脑电图像致痫区的识别和定位,提高了癫痫识别的准确率、避免了人工手动地提取复杂的特征信息,具有更好的泛化性能。
- 来源网站：
- 中国工程科技知识中心
