摘要
本发明涉及一种基于EEG信号协方差矩阵的癫痫发作检测方法及其检测装置,属于生物医学领域,在不影响癫痫检测准确率的前提下,如何降低基于深度学习的癫痫检测方法的计算复杂度。基于EEG信号协方差矩阵深度学习的癫痫发作检测方法,包括如下步骤:采集获取多通道EEG信号数据集;基于通道交换和噪声注入扩充信号数据集;计算多通道EEG信号的协方差矩阵;构建癫痫检测训练集和验证集;构建并训练癫痫检测卷积神经网络;获取待检测多通道EEG信号;计算待检测EEG信号的协方差矩阵;基于待检测信号协方差矩阵进行癫痫判决。本发明能够在保证癫痫检测准确率的同时,大幅降低癫痫检测深度学习的推理计算复杂度。
技术关键词
协方差矩阵
多通道
卷积神经网络模型
癫痫检测方法
卷积神经网路
智能检测模块
深度学习训练
数据
信号采集模块
噪声
复杂度
标签
样本
序列
节点
元素
系统为您推荐了相关专利信息
显示设备亮度
深度强化学习
多模态环境
场景特征
环境感知数据
双向长短期记忆网络
数字高程模型
数据对齐模块
拼接模块
遥感影像数据
数据全生命周期
智能网联汽车
平台设计方法
数据生命周期
卷积神经网络模型
交通流量预测方法
卷积神经网络模型
交通流数据采集
交通流量预测系统
机制
配电网状态估计
融合策略
协方差矩阵
加权最小二乘
估计误差