一种基于半监督深度学习的EEG癫痫发作预测的方法

本发明属于医学信息预测技术领域，具体为一种基于半监督深度学习的EEG癫痫发作预测的方法。首先使用28s窗口长度的短时傅里叶变换将EEG信号进行预处理。其次，通过对抗自编码器(AAE)模型学习数据的特征，自编码器通过最小化重建误差，确保潜在表示能够有效地保留输入数据的关键信息，在对抗阶段引入判别器使潜在表示符合预定义的目标分布。最后，将无监督训练后的特征提取器与基于Bi‑LSTM的分类网络相连接，利用少量有标签的EEG信号指导无标签数据生成伪标签，共同训练分类器，通过分类器得到癫痫预测数据。本发明在癫痫预测方面表现出了优于其他传统方法的性能。