【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及癲癇預(yù)測，是一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)。
技術(shù)介紹
1、癲癇影響全球約1％人口，尤其兒童和青少年，其特征為大腦異常電活動，導(dǎo)致抽搐、意識喪失等，除了身體并發(fā)癥以外，還常引發(fā)心理問題和社會功能損害，所以治療癲癇尤為重要?，F(xiàn)在主流的治療癲癇的方式是藥物治療，然而其效果并不理想，藥物治療只能控制癲癇，不能完全根治癲癇，并且很多患者會表現(xiàn)出副作用，嚴(yán)重的甚至?xí)?dǎo)致死亡。因此，本專利技術(shù)的研究集中在預(yù)測癲癇發(fā)作上，如果在癲癇發(fā)作之前患者提前得知將要發(fā)生癲癇，就可以提前服用藥物，為自己找一個安全的地方，并且在心理上也可以減少對未知的恐懼。癲癇預(yù)測領(lǐng)域成立于20世紀(jì)80年代左右，雖然到目前為止尚無論文表明，癲癇疾病可以被準(zhǔn)確預(yù)測，但很多技術(shù)發(fā)展推動了這一領(lǐng)域的進(jìn)步，其中，神經(jīng)網(wǎng)絡(luò)的快速發(fā)展就對癲癇預(yù)測領(lǐng)域產(chǎn)生了巨大的影響。
2、癲癇預(yù)測的輸入信號一般是患者的腦電圖，常用的是顱內(nèi)腦電圖(ieeg)和頭皮腦電圖(eeg)。腦電圖的信號可以分為發(fā)作前期，發(fā)作期，發(fā)作后期和發(fā)作間期。預(yù)測癲癇發(fā)作的目的是區(qū)分發(fā)作間期和發(fā)作前期。使用神經(jīng)網(wǎng)絡(luò)的目的是將上述腦電信號中的特征提取出來，然后通過學(xué)習(xí)可以區(qū)分發(fā)作間期和發(fā)作前期，最終可以實(shí)現(xiàn)新的腦電信號的分類。
3、癲癇疾病在不同人身上的差異性很大，因此實(shí)現(xiàn)一種能夠滿足不同人的需求的可穿戴設(shè)備十分重要，對于一些腦電植入設(shè)備，體積小，低功耗顯然是必須要滿足的指標(biāo)?，F(xiàn)在癲癇預(yù)測領(lǐng)域中最常用的基于深度學(xué)習(xí)的方法有卷積神經(jīng)網(wǎng)絡(luò)(cnn)和遞歸神經(jīng)網(wǎng)絡(luò)(rnn)
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)中，脈沖神經(jīng)網(wǎng)絡(luò)的計算量龐大，功耗消耗也大導(dǎo)致計算速度慢且無法滿足可穿戴設(shè)備需求的問題，提出了一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)。
2、為了達(dá)到上述目的，本專利技術(shù)一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)包括如下模塊：
3、數(shù)據(jù)預(yù)處理模塊、脈沖神經(jīng)網(wǎng)絡(luò)模塊、神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊、發(fā)射模式判斷模塊和加速器模塊；
4、所述數(shù)據(jù)預(yù)處理模塊用于獲取供給脈沖神經(jīng)網(wǎng)絡(luò)訓(xùn)練和測試的數(shù)據(jù)集；
5、所述脈沖神經(jīng)網(wǎng)絡(luò)模塊用于構(gòu)建脈沖神經(jīng)網(wǎng)絡(luò)；
6、所述神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊用于對神經(jīng)網(wǎng)絡(luò)進(jìn)行了硬件優(yōu)化；
7、所述發(fā)射模式判斷模塊根據(jù)時間步長進(jìn)行發(fā)射模式判斷，由此進(jìn)行軟件優(yōu)化；
8、所述加速器模塊用于硬件實(shí)現(xiàn)可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)；
9、具體地，所述數(shù)據(jù)預(yù)處理模塊用于執(zhí)行如下具體步驟：
10、s11：在chb-mit數(shù)據(jù)集選取固定電極配置下若干個先導(dǎo)癲癇發(fā)作的受試者的癲癇發(fā)作腦電圖數(shù)據(jù)，構(gòu)成脈沖神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集；
11、s12：提取癲癇發(fā)作腦電圖數(shù)據(jù)，并根據(jù)發(fā)作前期和發(fā)作間期的數(shù)據(jù)特征對癲癇發(fā)作腦電圖數(shù)據(jù)進(jìn)行階段標(biāo)注處理；
12、s13：對階段標(biāo)注處理完成的癲癇發(fā)作腦電圖數(shù)據(jù)在時間域上進(jìn)行深度學(xué)習(xí)提取特征，獲得所述癲癇發(fā)作腦電圖數(shù)據(jù)的時間域特征；
13、s14：提取發(fā)作前期和發(fā)作間期的窗口樣本，將這所述發(fā)作前期和發(fā)作間期的窗口樣本混合并打亂順序，同時按4:1的比例將所述窗口樣本劃分成訓(xùn)練集和測試集，其中，所述窗口樣本的單位時長為t。
14、具體地，s12中所述階段標(biāo)注處理包括：
15、選取發(fā)作期前的30分鐘作為發(fā)作前期，選取癲癇發(fā)作后的2個小時作為發(fā)作后期，兩個小時以后到下一個發(fā)作前期之前的數(shù)據(jù)算作發(fā)作間期；
16、其中，所述發(fā)作前期的數(shù)據(jù)的獲取方式包括：首先篩選出有效發(fā)作，再選取該有效發(fā)作的采集片段，最后選取采集片段中癲癇發(fā)作前的5分鐘到35分鐘的數(shù)據(jù)作為發(fā)作前期；
17、所述發(fā)作間期的數(shù)據(jù)的獲取方式包括：首先篩選癲癇發(fā)作前后2個小時以外的采集片段，其次在這些采集片段中過濾掉缺失片段前后2個小時的片段，最后過濾掉采集最開始的2個小時和采集最末尾的2個小時的采集片段。
18、具體地，所述脈沖神經(jīng)網(wǎng)絡(luò)模塊包括：輸入層、輸出層、5個卷積層和2個全連接層，其中，脈沖神經(jīng)網(wǎng)絡(luò)的神經(jīng)元模型包括：if模型和lif模型。
19、具體地，所述5個卷積層具體包括：
20、第一卷積層，所述第一卷積層為一維卷積，輸入通道數(shù)為1，輸出通道數(shù)為16，卷積核大小為(1,21)，神經(jīng)元為if神經(jīng)元，接的最大池化層為(1,10)；
21、第二卷積層，所述第二卷積層為一維卷積，輸入通道數(shù)為16，輸出通道數(shù)為32，卷積核大小為(1,15)，神經(jīng)元為if神經(jīng)元，接的最大池化層為(1,6)；
22、第三卷積層，所述第三卷積層為一維卷積，輸入通道數(shù)為32，輸出通道數(shù)為64，卷積核大小為(1,5)，神經(jīng)元為if神經(jīng)元，接的最大池化層為(1,2)；
23、第四卷積層，所述第四卷積層為二維卷積，輸入通道數(shù)為64，輸出通道數(shù)為128，卷積核大小為(3,3)，神經(jīng)元為if神經(jīng)元，接的最大池化層為(4,4)；
24、第五卷積層，所述第五卷積層為二維卷積，輸入通道數(shù)為128，輸出通道數(shù)為256，卷積核大小為(4,4)，神經(jīng)元為if神經(jīng)元，其中，所述第五卷積層包括524288個權(quán)重；
25、所述2個全連接層具體包括：
26、第六全連接層，所述第六全連接層的輸入通道數(shù)為256，輸出通道數(shù)為64，神經(jīng)元為lif神經(jīng)元；
27、第七全連接層，第七全連接層輸入通道數(shù)為64，輸出通道數(shù)為2，神經(jīng)元為lif神經(jīng)元。
28、具體地，所述神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊所執(zhí)行的硬件優(yōu)化策略具體為：將卷積核，池化核的尺寸都修改成2的冪次方的形狀，并將權(quán)重的數(shù)量減少y，其中，y為權(quán)重調(diào)控因子。
29、具體地，所述發(fā)射模式判斷模塊用于對軟件進(jìn)行優(yōu)化；
30、更進(jìn)一步地，所述發(fā)射模式判斷模塊用于運(yùn)行如下具體步驟：
31、s21：預(yù)設(shè)時間步長的運(yùn)行時間閾值，并進(jìn)行神經(jīng)元發(fā)射模式判斷；
32、s22：當(dāng)時間步長運(yùn)行到時間閾值之前，判斷神經(jīng)元處于正常發(fā)射模式，允許脈沖按規(guī)則正常發(fā)射；
33、s23：當(dāng)時間步長運(yùn)行到時間閾值之后，判斷神經(jīng)元處于抑制發(fā)射模式，抑制后續(xù)的脈沖發(fā)射。
34、具體地，所述加速器模塊包括：計算單元、存儲單元、控制單元
35、所述計算單元用于執(zhí)行網(wǎng)絡(luò)模型中的卷積、全連接、激活和池化的計算操作；
36、所述存儲單元用于存儲輸入數(shù)據(jù)、中間計算結(jié)果和模型權(quán)重參數(shù)；
37、所述控制單元用于協(xié)調(diào)和管理各項(xiàng)計算和存儲操作的流程和數(shù)據(jù)流。
38、其中，所述計算單元包括用來實(shí)現(xiàn)網(wǎng)絡(luò)模型中一維卷積計算子單元、二維卷積計算子單元、全連接計算子本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述系統(tǒng)包括以下模塊：
2.根據(jù)權(quán)利要求1所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述數(shù)據(jù)預(yù)處理模塊用于執(zhí)行如下具體步驟：
3.根據(jù)權(quán)利要求2所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，S12中所述階段標(biāo)注處理包括：
4.根據(jù)權(quán)利要求3所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述脈沖神經(jīng)網(wǎng)絡(luò)模塊包括：輸入層、輸出層、5個卷積層和2個全連接層，其中，脈沖神經(jīng)網(wǎng)絡(luò)的神經(jīng)元模型包括：IF模型和LIF模型。
5.根據(jù)權(quán)利要求4所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述5個卷積層具體包括：
6.根據(jù)權(quán)利要求5所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊所執(zhí)行的硬件優(yōu)化策略具體為：將卷積核，池化核的尺寸都修改成2的冪次方的形狀，并將權(quán)重的數(shù)量減少y，其中，y為權(quán)重調(diào)控因子。
7.根據(jù)權(quán)利要求6
8.根據(jù)權(quán)利要求7所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述加速器模塊包括：計算單元、存儲單元、控制單元所述計算單元用于執(zhí)行網(wǎng)絡(luò)模型中的卷積、全連接、激活和池化的計算操作；
9.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，該計算機(jī)程序被處理器執(zhí)行時，運(yùn)行如權(quán)利要求1-8中任一所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)。
10.一種電子設(shè)備，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述系統(tǒng)包括以下模塊：
2.根據(jù)權(quán)利要求1所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述數(shù)據(jù)預(yù)處理模塊用于執(zhí)行如下具體步驟：
3.根據(jù)權(quán)利要求2所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，s12中所述階段標(biāo)注處理包括：
4.根據(jù)權(quán)利要求3所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述脈沖神經(jīng)網(wǎng)絡(luò)模塊包括：輸入層、輸出層、5個卷積層和2個全連接層，其中，脈沖神經(jīng)網(wǎng)絡(luò)的神經(jīng)元模型包括：if模型和lif模型。
5.根據(jù)權(quán)利要求4所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈沖神經(jīng)網(wǎng)絡(luò)的癲癇預(yù)測系統(tǒng)，其特征在于，所述5個卷積層具體包括：
6.根據(jù)權(quán)利要求5所述的一種基于可調(diào)節(jié)抑制發(fā)射的脈...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：傅玉祥，李玉龍，孫浩瀚，張恒，鄒幸潔，孫從怡，李麗，李偉，何書專，
申請(專利權(quán))人：南京大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。