一种基于深度双交叉度量学习的单通道癫痫发作预警方法

本发明提出了一种基于深度双交叉度量学习的单通道癫痫发作预警方法。其中，设计双交叉图注意力网络，揭示多尺度时间特征与多节律频谱特征之间的依赖关系；用路由Transformer网络，提取具有癫痫发作潜力的关键路由特征；用基于硬三元组优化的度量学习策略，以迭代方式优化发作间期与发作前期路由特征的类内与类间距离。在本发明的一个实施例中，在包含10名癫痫患者的颅内单通道脑电数据集上进行验证，平均预警敏感性(Sn)达89.1％，每小时误报率(FPR)低于0.104。与现有方法相比，平均预警敏感性提升超4％，表明该模型可为个体患者提供更有效的癫痫发作预警，对临床癫痫发作预警与颅内单通道神经调控具有重要意义。