CN114938946B 基于分层图扩散学习的seeg癫痫波检测方法、系统和存储介质 （浙江大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114938946B(45)授权公告日2025.07.11

(21)申请号202210655910.8

(22)申请日2022.06.10

(65)同一申请的已公布的文献号申请公布号CN114938946A

(43)申请公布日2022.08.26

(73)专利权人浙江大学

地址310058浙江省杭州市西湖区余杭塘

路866号

专利权人诺尔产学研科技(广州)有限公司

(72)发明人杨洋陈俊儒

(74)专利代理机构杭州求是专利事务所有限公

司33200专利代理师郑海峰

(51)Int.CI.

A61B5/00(2006.01)

A61B5/369(2021.01)

GO6F18/214(2023.01)

GO6F18/2415(2023.01)

GO6F18/243(2023.01)

GO6F18/2451(2023.01)

GO6N3/042(2023.01)

GO6N3/084(2023.01)

GO6N3/0895(2023.01)

(56)对比文件

CN105615877A,2016.06.01CN110051349A,2019.07.26审查员谷雨

权利要求书3页说明书12页附图1页

(54)发明名称

基于分层图扩散学习的SEEG癫痫波检测方法、系统和存储介质

(57)摘要

CN114938946B本发明公开了一种基于分层图扩散学习的SEEG癫痫波检测方法、系统和存储介质，属于信号处理和模式识别技术领域。方法包括获取原始SEEG信号，提取各时间段表征，所述的各时间段表征包括各时间段信道表征、各时间段区域表征和各时间段患者表征；基于图结构学习和脑波扩散过程，交替执行跨时间扩散和时间内扩散，得到各时间段内扩散后的表征，所述的各时间段内扩散后的表征包括各时间段内扩散后的信道表征、各时间段内扩散后的区域表征和各时间段内扩散后的患者表征；以三个层面的各时间段出现癫痫发作的概率设计损失函数，在进行SEEG癫痫

CN114938946B

CN114938946B权利要求书1/3页

2

1.一种基于分层图扩散学习的SEEG癫痫波检测方法，其特征在于，包括：

获取原始SEEG信号，提取各时间段表征，所述的各时间段表征包括各时间段信道表征、各时间段区域表征和各时间段患者表征；

基于图结构学习和脑波扩散过程，交替执行跨时间扩散和时间内扩散，得到各时间段内扩散后的表征，所述的各时间段内扩散后的表征包括各时间段内扩散后的信道表征、各时间段内扩散后的区域表征和各时间段内扩散后的患者表征，具体为：

根据跨时间图扩散模块计算第t个时间段的跨时间扩散后的信道表征：

其中，Fw{T,wT,ocr(.)表示跨时间图扩散模块的计算，、W?r表示跨时间扩散的可训练矩阵，Θ“表示跨时间扩散的可训练参数，C.表示第t个时间段的信道集合，Ct-1表示第t-1个时间段的信道集合，hi-1表示第t-1个时间段内扩散后的信道表征，r.表示原始SEEG信号是第t个时间段信道表征，h[表示第t个时间段的跨时间扩散后的信道表征，0Cr表示跨时间扩散的过滤函数的阈值；

根据时间内图扩散模块计算第t个时间段内扩散后的信道表征：

其中，Fwin,win,ain(.)表示时间内图扩散模块的计算，

练矩阵，◎n表示时间内扩散的可训练参数，θn表示时间内扩散的过滤函数的阈值，hin表示第t个时间段的扩散后的信道表征；

同理，计算得到各时间段内扩散后的区域表征；令rt=rpatient,Ct-1={1},C={1},计算得到各时间段内扩散后的患者表征；以三个层面的各时间段出现癫痫发作的概率设计损失函数，在进行SEEG癫痫波检测时，仅根据信道层面的各时间段出现癫痫发作的概率获得最终检测结果。

2.根据权利要求1所述的一种基于分层图扩散学习的SEEG癫痫波检测方法，其特征在于，所述的各时间段信道表征的提取过程包括：

提取原始SEEG信号的局部特征序列z;

将局部特征序列中心位置的索引标记为0,将局部特征序列分成两个相等的半子序列，标记双向索引，得到z=(zt,π,…,zt,0,…,zt,-),其中zt,表示局部特征序列中索引为t的局部特征；

聚合局部特征序列，得到全局特征：

Ct,π=ψe?