(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211276674.5 (22)申请日 2022.10.19 (71)申请人 之江实验室 地址 311121 浙江省杭州市余杭区之江实 验室南湖总部 (72)发明人 刘藤子　杨冬平　 (74)专利代理 机构 北京志霖恒远知识产权代理 有限公司 1 1435 专利代理师 戴莉 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 7/00(2006.01)A61B 5/374(2021.01) A61B 5/00(2006.01) (54)发明名称 一种基于深度玻尔兹曼机的特征表征癫痫 检测系统 (57)摘要 本发明公开了一种基于深度玻尔兹曼机的 特征表征癫痫检测系统， 包括： 数据获取模块： 用 于从现有癫痫数据库中获取癫痫脑电信号； 数据 处理模块： 用于得到预处理癫痫脑电信号； 小波 系数获取模块： 用于提取小波系数； 统计特征值 提取模块： 用于计算所述预处理癫痫脑电信号在 时域和频域的特征值； 深度玻尔兹曼机模型训练 模块： 用于对深度玻尔兹曼机模 型的网络进行训 练， 直至完成深度玻尔兹曼机模型的训练； 癫痫 检测模块： 用于判断是否癫痫发作。 本发明基于 深度玻尔兹曼机模型， 通过DWT对EEG信号频谱时 间统计的特征被用作训练的输入， 以减少特征维 数， 有效聚类癫痫和非癫痫事件， 促进后续癫痫 检测分类更加稳健和可靠 。 权利要求书2页 说明书10页 附图3页 CN 115358279 A 2022.11.18 CN 115358279 A 1.一种基于深度玻尔兹曼机的特 征表征癫痫检测系统， 其特 征在于， 包括： 数据获取模块： 用于从现有癫痫数据库中获取癫痫脑电信号； 数据处理模块： 用于对所述癫痫脑电信号进行 预处理， 得到预处 理癫痫脑电信号； 小波系数获取模块： 用于利用小波变换分析所述预处理癫痫脑电信号的时域和频域， 提取所述预处 理癫痫脑电信号在 癫痫发生频率段的小 波系数； 统计特征值提取模块： 用于利用所述小波系数计算所述预处理癫痫脑电信号在时域和 频域的特 征值； 深度玻尔兹曼机模型训练模块： 用于将所述特征值输入至深度玻尔兹曼机模型， 并采 用前向传播和基于CD ‑1算法的参数更新方式对深度玻尔兹曼机模型的网络进 行训练， 直至 完成深度玻尔兹曼机模型的训练； 癫痫检测模块： 用于利用训练完的深度玻尔兹曼机模型得到正向条件概率特征， 并采 用具有线性核的支持向量机对正向条件概率特征进行不同类别的线性分割， 得到输出的值 用于判断是否癫痫发作。 2.如权利要求1所述的一种基于深度玻尔兹曼机的特征表征癫痫检测系统， 其特征在 于， 所述数据处理模块的具体处理过程为： 对所述癫痫脑电信号进 行通道选择， 并对通道选 择后的癫痫脑电信号做 滑窗处理， 得到预处 理癫痫脑电信号。 3.如权利要求1所述的一种基于深度玻尔兹曼机的特征表征癫痫检测系统， 其特征在 于， 所述小 波系数获取模块包括： 频率段获取单元： 用于利用连续小波变换绘制所述预处理癫痫脑电信号中的每一段癫 痫片段的时 ‑频谱图， 确定癫痫发生频率段； 小波系数提取单元： 用于利用离散小波变换对所述预处理癫痫脑电信号中的确定癫痫 发生频率段的若干癫痫片段进行 滤波， 提取小 波系数。 4.如权利要求1所述的一种基于深度玻尔兹曼机的特征表征癫痫检测系统， 其特征在 于， 所述深度玻尔兹曼机模型训练模块具体的训练过程 为： 步骤S1： 搭建深度玻尔兹曼机模型的网络层， 设置网络层数量和网络参数值， 所述网络 参数值包括权值和偏差； 步骤S2： 依次将所述深度玻尔兹曼机模型中的相邻 网络层作为一个单元的RBM网络训 练模型； 步骤S3： 利用CD ‑1算法进行训练， 将所述特征值作 为初始特征值输入至RBM 网络训练模 型， 根据贝叶斯公式得到的正向条件概率公式计算得到正向条件概率， 根据贝叶斯公式得 到的反向条件概 率公式计算得到反向条件概 率； 步骤S4： 利用所述正向条件概率和所述反向条件概率对所述权值和所述偏差进行更 新， 得到更新后的权值和偏差， 并将更新后的权值和偏差带入贝叶斯公式得到的正向条件 概率公式中重新计算得到更新后的正向条件概率， 对更新后的正向条件概率使用吉布斯采 样获取正向条件概 率特征； 步骤S5： 将正向条件概率特征作为步骤S3中的初始特征值输入至下一个RBM网络训练 模型， 遍历步骤S4 ‑步骤S5， 直至最后一个RBM网络训练模 型输出最终的正向条件概率、 权值 和偏差； 步骤S6： 利用最后一个RBM 网络训练模型输出权值和 偏差计算正向条件概率特征， 完成权　利　要　求　书 1/2 页 2 CN 115358279 A 2深度玻尔兹曼机模型的训练。 5.如权利要求4所述的一种基于深度玻尔兹曼机的特征表征癫痫检测系统， 其特征在 于， 所述步骤S1中所述权值的初始值 为[0,1]之间的随机数， 所述偏差的初始向量 为0。 6.如权利要求4所述的一种基于深度玻尔兹曼机的特征表征癫痫检测系统， 其特征在 于， 所述偏差包括输入层偏差和隐含层偏差 。 7.如权利要求4所述的一种基于深度玻尔兹曼机的特征表征癫痫检测系统， 其特征在 于， 所述步骤S4中权值的更新公式为： ， 偏差的更新公式为： ， ， 其中， 为学习率， 为更新后的权 值， 为更新前的权值， 为输入层， 为隐藏层， 为更新后的输入层偏差， 为更新前的 输入层偏差， 为更新后的隐藏层偏差， 为更新前的隐藏层偏差， 为初始特征值， 为反向条件概率， 为更新前的正向条件概率， 为更新后的正向条件概 率。 8.如权利要求1所述的一种基于深度玻尔兹曼机的特征表征癫痫检测系统， 其特征在 于， 所述癫痫检测模块具体包括： 分割单元： 用于利用训练完的深度玻尔兹曼机模型得到正向条件概率特征， 采用具有 线性核的支持向量机对正向条件概 率特征进行不同类别的线性分割， 得到 输出值； 检测单元： 用于将输出值输出为0或1， 其中1代表癫痫发作、 0代表非癫痫发作， 并判断 癫痫是否发作。权　利　要　求　书 2/2 页 3 CN 115358279 A 3