CN114841191B 基于全连接脉冲神经网络的癫痫脑电信号特征压缩方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114841191B(45)授权公告日2025.07.04

(21)申请号202210271015.6

(22)申请日2022.03.18

(65)同一申请的已公布的文献号申请公布号CN114841191A

(43)申请公布日2022.08.02

(73)专利权人西安电子科技大学

地址710000陕西省西安市雁塔区太白南

路2号

(72)发明人朱樟明单宏伟冯立琛张岳琦刘术彬

(74)专利代理机构西安嘉思特知识产权代理事务所(普通合伙)61230

专利代理师高晓倩

(51)Int.CI.

GO6F18/213(2023.01)

GO6F18/24(2023.01)

GO6F18/214(2023.01)

GO6F18/2411(2023.01)

GO6N3/049(2023.01)

GO6N3/09(2023.01)

A61B5/00(2006.01)

A61B5/369(2021.01)

A61B5/372(2021.01)

(56)对比文件

HongweiShanetal..Compactseizure

detectionbasedonspikingneuralnetworkandsupportvectormachineforefficient

neuromorphicimplementation.《BiomedicalSignalProcessingandControl》.2023,第86卷文想好105268.

审查员周子悦

权利要求书1页说明书5页附图3页

(54)发明名称

基于全连接脉冲神经网络的癫痫脑电信号特征压缩方法

(57)摘要

CN114841191B本发明涉及一种基于全连接脉冲神经网络的癫痫脑电信号特征压缩方法，包括：获取原始脑电信号数据；对原始脑电信号数据进行数据切分，并对切分后的每个脑电信号数据片段分别进行滤波处理，得到每个脑电信号数据片段对应的不同频带下的脑电数据；对每个脑电信号数据片段对应的不同频带下的脑电数据求解功率，得到每个脑电信号数据片段的特征向量；将特征向量作为训练数据集输入构建的全连接脉冲神经网络中进行训练；利用训练完成的全连接脉冲神经网络，对提取的待检测的脑电信号数据的特征向量进行特征压缩，得到脉冲发射个数，脉冲发射个数作为后续SVM分类器的输入特征向量。本发

CN114841191B

获取原始脑电信号数据，原始脑电信号数据包

获取原始脑电信号数据，原始脑电信号数据包括多个通道的脑电信号数据

对原始脑电信号数据进行数据切分，并对切分后的每个脑电信号数据片段分别进行滤波处理

,得到每个脑电信号数据片段对应的不同频带下的脑电数据

对每个脑电信号数据片段对应的不同频带下的

脑电数据求解功率，得到每个脑电信号数据片

段的特征向量

S4

将特征向量作为训练数据集输入构建的全连接脉冲神经网络中进行训练

利用训练完成的全连接脉冲神经网络，对提取

的待检测的脑电信号数据的特征向量进行特征

压缩，得到脉冲发射个数，脉冲发射个数作为

后续SVM分类器的输入特征向量

CN114841191B权利要求书1/1页

2

1.一种基于全连接脉冲神经网络的癫痫脑电信号特征压缩方法，其特征在于，包括：

S1:获取原始脑电信号数据，所述原始脑电信号数据包括多个通道的脑电信号数据；

S2:对所述原始脑电信号数据进行数据切分，并对切分后的每个脑电信号数据片段分别进行滤波处理，得到每个所述脑电信号数据片段对应的不同频带下的脑电数据；

S3:对每个所述脑电信号数据片段对应的不同频带下的脑电数据求解功率，得到每个所述脑电信号数据片段的特征向量；

S4:将所述特征向量作为训练数据集输入构建的全连接脉冲神经网络中进行训练；所述全连接脉冲神经网络包括连接的编码层、隐藏层、抑制层和脉冲输出层，每一层的神经元采用全连接方式连接；所述S4包括：

S41:对所述特征向量进行预处理，将所述特征向量转换为所述全连接脉冲神经网络的编码层神经元的发射频率；

S42:将预处理后的所述特征向量作为训练数据集输入所述全连接脉冲神经网络进行

训练；

在训练过程中