CN119279509A 一种癫痫脑电信号识别方法、系统、设备和存储介质 （西安交通大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119279509A(43)申请公布日2025.01.10

(21)申请号202411469967.4

(22)申请日2024.10.21

(71)申请人西安交通大学

GO6F18/2431(2023.01)GO6F18/25(2023.01)

GO6N3/042(2023.01)

GO6N3/045(2023.01)

地址710049陕西省西安市碑林区咸宁西

路28号

(72)发明人袁茂松景致一王锦航吴莹

(74)专利代理机构西安通大专利代理有限责任公司61200

专利代理师杨文姝

GO6N3/0464(2023.01)

GO6F123/02(2023.01)

(51)Int.CI.

A61B

A61B

A61B

GO6F

GO6F

5/00(2006.01)

5/369(2021.01)

5/374(2021.01)18/2131(2023.01)

18/241(2023.01)

权利要求书3页说明书10页附图4页

(54)发明名称

一种癫痫脑电信号识别方法、系统、设备和存储介质

(57)摘要

CN119279509A本发明公开了一种癫痫脑电信号识别方法、系统、设备和存储介质，包括：获取脑电信号，根据脑电信号计算不同通道间的相位同步信息作为边特征；对脑电信号进行滤波，分别计算提取每个通道不同波段对应的时域特征、动力学特征以及相位幅值耦合特征，并融合为节点特征；将得到的边特征与节点特征整合为图，利用图注意力网络模型进行分类，根据分类结果对脑电信号进行判断识别。本发明提出了一个高性能、具有先验可解释的，用于癫痫信号识别和预测的分类方法，不仅考虑了不同通道之间的交互关系，同时也关注并提取节点本身的时域、动力学、跨频

CN119279509A

德

WM

注高力届

注高力届

CN119279509A权利要求书1/3页

2

1.一种癫痫脑电信号识别方法，其特征在于，包括：

获取脑电信号，根据脑电信号计算不同通道间的相位同步信息作为边特征；

对脑电信号进行滤波，分别计算提取每个通道不同波段对应的时域特征、动力学特征以及相位幅值耦合特征，并融合为节点特征；

将得到的边特征与节点特征整合为图，利用图注意力网络模型进行分类，根据分类结果对脑电信号进行判断识别。

2.根据权利要求1所述的一种癫痫脑电信号识别方法，其特征在于，所述不同通道间的相位同步信息为

式中，T表示时间序列的长度，φi(t),φ;(t)表示节点、j所对应时间序列的瞬时相位，Im表示相位差的虚部，sgn为符号函数。

3.根据权利要求1所述的一种癫痫脑电信号识别方法，其特征在于，所述时域特征包括

脑电信号的最大幅值和能量；

所述脑电信号的最大幅值为Ai=max(|xi(t)|),i≌δ,θ,α,β

式中，xi(t)表示对应波段的时间序列，δ,θ,α,β分别表示四个不同波段；

所述脑电信号的能量为

式中，freq表示采样频率。

4.根据权利要求1所述的一种癫痫脑电信号识别方法，其特征在于，所述动力学特征的计算方法为：

将时间序列X={X?,X?,“,X}重构为m维的向量序列：

Xm=X1,X2,…,XL-m+1

其中，X鄂={xi,Xi+1,,Xi+m-1},基于重构得到的X!,计算其对应的B(T):

其中，T表示设置的阈值，◎为Heaviside函数，得到B(T)后，计算整个向量序列的B(T):

将维度设置为m+1,重复上述过程，得到Bm+1(T),并计算长度为L的时间序列m维，T阈值条件下的样本熵：

CN119279509A权利要求书2/3页

3

分别计算单个通道在不同波段下的样本熵S(m,r,T),最终得到该通道的熵特征矩阵

s=[ss,S?,Sa,Sp]。

5.根据权利要求1所述的一种癫痫脑电信号识别方法，其特征在于，所述相位幅值耦合特征的计算方法为：

将原始的时间序列x滤波为高频序列Xfa与低频序列Xfp两个频带，接着利用希尔伯特变换分