一种基于机器学习的癫痫检测硬件实现方法与系统

本申请涉及生物医学信号处理技术领域，特别涉及一种基于机器学习的癫痫检测硬件实现方法与系统，该方法包括：首先，获取数据集，并构建基于SVM的分类检测模型；分类检测模型包括预处理模块、特征提取模块、归一化处理模块和分类模块；然后，通过Vitis HLS对分类检测模型进行仿真，生成RTL计算模型；最后，将RTL计算模型打包成为能够被调用的单个IP核，单个IP核通过AXI‑4协议CPU形成数据通路，高速实现PC端到芯片端的数据传输，以实现对于癫痫信号的实时检测。本申请提供的基于机器学习的癫痫检测硬件实现方法，解决了传统癫痫检测系统在计算速度和资源消耗方面难以平衡以及软件端模型向硬件端迁移过程中由于计算方式和硬件特性所带来精度损失过大的问题。