Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020061971 - EPILEPSY BRAIN WAVE STATE DETECTION METHOD BASED ON MACHINE LEARNING

Publication Number WO/2020/061971
Publication Date 02.04.2020
International Application No. PCT/CN2018/108154
International Filing Date 27.09.2018
IPC
A61B 5/0476 2006.01
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Measuring for diagnostic purposes; Identification of persons
04Measuring bioelectric signals of the body or parts thereof
0476Electroencephalography
CPC
A61B 5/0476
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Detecting, measuring or recording for diagnostic purposes
04Measuring bioelectric signals of the body or parts thereof
0476Electroencephalography
Applicants
  • 电子科技大学 UNIVERSITY OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA [CN]/[CN]
Inventors
  • 蔡洪斌 CAI, Hongbin
  • 卢光辉 LU, Guanghui
  • 尤婷婷 YOU, Tingting
Priority Data
Publication Language Chinese (ZH)
Filing Language Chinese (ZH)
Designated States
Title
(EN) EPILEPSY BRAIN WAVE STATE DETECTION METHOD BASED ON MACHINE LEARNING
(FR) PROCÉDÉ DE DÉTECTION D’ÉTAT D'ONDE CÉRÉBRALE D'ÉPILEPSIE BASÉ SUR UN APPRENTISSAGE MACHINE
(ZH) 一种基于机器学习的癫痫病脑电波状态检测方法
Abstract
(EN)
An epilepsy brain wave state detection method based on machine learning. The method comprises the following steps: input import: importing brain wave data of an epilepsy patient and marking the state thereof; normalized transformation processing: setting a suitable new maximum value and a suitable new minimum value, and mapping brain wave time-domain signal data to a smaller new value interval according to a normalized transformation technique; time domain to frequency domain conversion: carrying out fast Fourier transform on each piece of brain wave time-domain data, and carrying out comprehensive calculation on an amplitude frequency of each piece of data and taking same as a power spectrum thereof; frequency domain range selection: selecting a suitable low-frequency signal to replace an original frequency-domain signal, and removing high-frequency signal noise; linear adaptive dimension reduction of a frequency-domain signal: using a linear adaptive dimension reduction technique to carry out data dimension reduction, so as to effectively carry out classification processing; establishment of a support vector machine classification and prediction model: using a support vector machine classifier to establish a prediction model for a training data set; and epilepsy state classification and prediction: using the established prediction and classification model to carry out state classification and prediction on a brain wave in an unknown state.
(FR)
La présente invention concerne un procédé de détection d'état d'onde cérébrale d'épilepsie basé sur un apprentissage machine. Le procédé comprend les étapes suivantes : importation d'entrée : importer des données d'onde cérébrale d'un patient souffrant d'épilepsie et marquer son état ; traitement de transformation normée : régler une nouvelle valeur maximale appropriée et une nouvelle valeur minimale appropriée, et mapper des données de signal de domaine temporel d'onde cérébrale à un nouvel intervalle de valeurs plus petit selon une technique de transformation normée ; conversion du domaine temporel au domaine fréquentiel : réaliser une transformée de Fourier rapide sur chaque élément de données de domaine temporel d'onde cérébrale, et réaliser un calcul complet sur une fréquence d'amplitude de chaque élément de données et prendre celle-ci comme spectre de puissance de chaque élément de données ; sélection de plage de domaine fréquentiel : sélectionner un signal basse fréquence approprié pour remplacer un signal de domaine fréquentiel d'origine, et éliminer un bruit de signal haute fréquence ; réduction de dimension adaptative linéaire d'un signal de domaine fréquentiel : utiliser une technique de réduction de dimension adaptative linéaire pour réaliser une réduction de dimension de données, de façon à réaliser de manière efficace un traitement de classification ; établissement d'un modèle de classification et de prédiction de machine à vecteurs de support : utiliser un classificateur de machine à vecteurs de support pour établir un modèle de prédiction pour un ensemble de données d'apprentissage ; et classification et prédiction d'état d'épilepsie : utiliser le modèle de prédiction et de classification établi pour réaliser une classification et une prédiction d'état sur une onde cérébrale dans un état inconnu.
(ZH)
一种基于机器学习的癫痫病脑电波状态检测方法,包括以下步骤:输入导入,导入癫痫病患者的脑电波数据,并标记其状态;规范化变换处理,制定合适的新的最大值和最小值,将脑电波时域信号数据按照规范化变换技术映射到较小的新取值区间;时频域转换,将每条脑电波时域数据进行快速傅里叶变换,并对每个数据的幅频进行综合计算作为其功率谱;频域范围选择,选取合适的低频信号替代原始频域信号,去除高频信号噪声;频域信号的线性自适应降维,采取线性自适应降维技术进行数据降维,以便有效地进行分类处理;支持向量机分类预测模型建立,使用支持向量机分类器对训练数据集建立预测模型;癫痫病状态分类预测,使用建立的预测分类模型对未知状态的脑电波进行状态分类预测。
Latest bibliographic data on file with the International Bureau