一种基于时间序列对脑电信号中癫痫分类识别系统及其方法

本发明公开一种基于时间序列对脑电信号中癫痫分类识别系统及其方法，包括：跨域混合自监督学习模块、多尺度脑电特征学习模块、癫痫发作引导的自注意力学习模块和分类器；所述跨域混合自监督学习模块包括时域上下文预测任务单元、通道信息重构任务单元和频谱掩蔽识别任务单元；所述跨域混合自监督学习模块将输入脑电信号按照时域、空域和频域重构获得脑电表征模型；所述时域上下文预测任务单元通过学习脑电信号的时域演变规律，捕捉癫痫发作前后的动态变化特征；所述通道信息重构任务单元用于重建缺失的脑电信号通道数据，增强脑电表征模型对空间信息表征；所述频谱掩蔽识别任务单元通过频域中随机掩蔽部分脑电信号频率分量训练所述脑电表征模型对癫痫神经震荡表征；所述多尺度脑电特征学习模块通过不同分辨率捕捉脑电表征模型局部和全局层面癫痫特征获得第一癫痫脑电特征模型；所述癫痫发作引导的自注意力学习模块通过融合时序和空间特征优化第一癫痫脑电特征模型获得第二癫痫脑电特征模型；所述分类器基于长短期记忆网络对第二癫痫脑电特征模型的脑电特征进行分类输出是否为癫痫发作，本发明为癫痫发作的自动化检测和临床辅助诊断提供了一种高效、准确且鲁棒的解决方案。