摘要
本发明提供一种基于脑电图和人工智能的脑梗死早期诊断方法及系统,涉及脑梗死评估技术领域,包括采集患者的高密度脑电图信号,得到多尺度信号分量,转化为符号序列,并获得复杂度指标集;计算信号在不同时间尺度上的熵值序列,得到多尺度不规则性指标,将复杂度指标集和多尺度不规则性指标整合,得到脑电图特征张量;将脑电图特征张量输入时空图卷积网络中,建模脑区间的时变连接关系,动态调整拓扑结构,生成时变脑功能连接图,最终输出脑梗死风险评分,并生成可解释性热力图;基于脑梗死风险评分和可解释性热力图,构建认知计算框架,认知计算框架得到状态转换概率矩阵;生成因果图谱;计算干预效果评分;生成诊断报告。
技术关键词
脑梗死风险
状态转换概率
多尺度
动态邻接矩阵
隐马尔可夫模型
递归定量分析
高密度
热力图
模糊熵算法
早期诊断方法
指标
复杂度特征
序列
集成梯度
注意力机制
信号
图谱
转移概率矩阵
系统为您推荐了相关专利信息
分析方法
动态噪声
矩阵
数据分布特征
迭代优化算法
红外偏振成像
缺陷检测方法
数学模型
多尺度特征
构建建筑外墙
多尺度特征金字塔
掩膜
影像
融合特征
阈值分割算法