公开(公告)号：CN114081508B

公开(公告)日：2024-05-14

申请号：CN202111279893.4

申请日：2021-10-28

申请人： 杭州电子科技大学

发明人： 曹九稳 ,  鲍子航 ,  崔小南 ,  郑润泽 ,  赖晓平 ,  蒋铁甲 ,  高峰

IPC分类号： A61B5/372 ,  A61B5/00 ,  G06F18/243 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

摘要： 本发明公开了一种基于深度神经网络与CCA特征融合的棘波检测方法。首先对输入的原始单通道脑电信号进行预处理操作，分割后得到脑电信号片段；分别通过连续小波变换得到频谱图特征和平滑非线性能量滤波后的传统特征；通过DenseNet121深度神经网络对频谱图提取2维深度特征，使用方差过滤式方法筛选出4维的传统特征；使用典型相关分析并采取相加的融合策略，得到2维的融合特征；再通过随机森林算法构建单通道棘波和非棘波样本数据集的棘波检测模型；最后通过建立的棘波检测模型进行脑电棘波检测。本发明通过频谱图深度特征与传统特征的CCA特征融合，并结合随机森林分类算法，达到对棘波放电精准检测的效果，能够同时检测棘波以及其产生的位置信息。

公开(公告)号：CN114081508A

公开(公告)日：2022-02-25

申请号：CN202111279893.4

申请日：2021-10-28

申请人： 杭州电子科技大学

发明人： 曹九稳 ,  鲍子航 ,  崔小南 ,  郑润泽 ,  赖晓平 ,  蒋铁甲 ,  高峰

IPC分类号： A61B5/372 ,  A61B5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度神经网络与CCA特征融合的棘波检测方法。首先对输入的原始单通道脑电信号进行预处理操作，分割后得到脑电信号片段；分别通过连续小波变换得到频谱图特征和平滑非线性能量滤波后的传统特征；通过DenseNet121深度神经网络对频谱图提取2维深度特征，使用方差过滤式方法筛选出4维的传统特征；使用典型相关分析并采取相加的融合策略，得到2维的融合特征；再通过随机森林算法构建单通道棘波和非棘波样本数据集的棘波检测模型；最后通过建立的棘波检测模型进行脑电棘波检测。本发明通过频谱图深度特征与传统特征的CCA特征融合，并结合随机森林分类算法，达到对棘波放电精准检测的效果，能够同时检测棘波以及其产生的位置信息。