一种基于机器学习的振幅整合脑电图分类识读系统
- 专利权人:
- 吉林大学
- 发明人:
- 沈欣怡,李玲,武辉,徐巍,王霁
- 申请号：
- CN202011020143.0
- 公开号：
- CN112244871A
- 申请日:
- 2020.09.25
- 申请国别(地区):
- CN
- 年份:
- 2021
- 代理人:
- 摘要：
- 本发明属于机器学习技术领域，具体涉及一种基于机器学习的振幅整合脑电图分类识读系统，包括数据采集处理模块、特征提取模块和分类模块，其中数据采集处理模块用于采集并处理脑功能监护仪输出的振幅整合脑电图文本数据，特征提取模块用于提取振幅整合脑电图的幅度特征和非线性特征；分类模块采用随机森林分类模型对特征提取模块中提取出的幅度特征和非线性特征进行正异常判定，对随机森林分类模型中决策树的分类结果进行投票，投票次数最多的类型为最终判断结果；本系统对整合脑电图进行分析，辅助临床医生准确高效完成aEEG判定，尽早检查出患有癫痫的新生儿并及时治疗，提高准确率及判断精度。
- 来源网站：
- 中国工程科技知识中心
