一种癫痫检测方法、装置、设备及介质与流程
- 国知局
- 2024-11-18 18:21:23
本申请涉及信息处理,尤其涉及一种癫痫检测方法、装置、设备及介质。
背景技术:
1、癫痫是一种常见的神经系统疾病,其发病机制非常复杂,具有突发性和不可预测性。传统的癫痫检测方法通常依赖脑电图监测,并且需要专业的医疗设备和人员进行实时监测和诊断。然而由于设备成本和操作复杂性,传统方法难以在资源受限环境中广泛应用,尤其是在偏远地区和低收入群体中。
2、因此,迫切需要一种低成本、低功耗、实时有效的癫痫检测方案,以实现对癫痫发作的便捷智能监测和预测。
技术实现思路
1、本申请提供了一种癫痫检测方法、装置、设备及介质,通过将癫痫检测模型进行微型机器学习以部署在微控制器上,有效降低了癫痫检测模型的运行功耗,实现了对癫痫患者身体状态的快速准确检测。
2、根据本申请的一方面,提供了一种癫痫检测方法,该方法包括:
3、获取目标群体的历史生理数据,并基于所述历史生理数据生成训练数据集;其中,所述历史生理数据包括脑电图数据、心电图数据、皮肤电活动数据中的至少一项以及癫痫发作时间数据;
4、利用所述训练数据集对预设癫痫检测模型进行训练,得到训练后的初始癫痫检测模型,并对所述初始癫痫检测模型进行微型机器学习以部署至微控制器;
5、基于所述微控制器,对待检测对象在当前时间段的待测生理数据进行检测,确定所述待检测对象的当前身体状态。
6、根据本申请的另一方面,提供了一种癫痫检测装置,该装置包括:
7、数据获取模块,用于获取目标群体的历史生理数据,并基于所述历史生理数据生成训练数据集;其中,所述历史生理数据包括脑电图数据、心电图数据、皮肤电活动数据中的至少一项以及癫痫发作时间数据;
8、模型部署模块,用于利用所述训练数据集对预设癫痫检测模型进行训练,得到训练后的初始癫痫检测模型,并对所述初始癫痫检测模型进行微型机器学习以部署至微控制器;
9、癫痫检测模块,用于基于所述微控制器,对待检测对象在当前时间段的待测生理数据进行检测,确定所述待检测对象的当前身体状态。
10、根据本申请的另一方面,提供了一种电子设备,该设备包括:
11、至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任一实施例所述的癫痫检测方法。
12、根据本申请的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本申请任一实施例所述的癫痫检测方法。
13、本申请提供的技术方案,通过获取目标群体的历史生理数据,并基于历史生理数据生成训练数据集;其中,历史生理数据包括脑电图数据、心电图数据、皮肤电活动数据中的至少一项以及癫痫发作时间数据;利用训练数据集对预设癫痫检测模型进行训练,得到训练后的初始癫痫检测模型,并对初始癫痫检测模型进行微型机器学习以部署至微控制器;基于微控制器,对待检测对象在当前时间段的待测生理数据进行检测,确定待检测对象的当前身体状态。本技术方案,通过将癫痫检测模型进行微型机器学习以部署在微控制器上,有效降低了癫痫检测模型的运行功耗,实现了对癫痫患者身体状态的快速准确检测。
14、应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
技术特征:1.一种癫痫检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,基于所述历史生理数据生成训练数据集,包括:
3.根据权利要求2所述的方法,其特征在于,在对所述脑电图数据、所述心电图数据和所述皮肤电活动数据按照预设时间窗口进行分段,将各分段结果分别作为一个数据样本之前,所述方法还包括:
4.根据权利要求1所述的方法,其特征在于,将所述目标癫痫检测模型通过微型机器学习部署至微控制器,包括:
5.根据权利要求4所述的方法,其特征在于,对所述初始癫痫检测模型进行量化处理,得到中间癫痫检测模型,包括:
6.根据权利要求4所述的方法,其特征在于,在基于所述微控制器,对待检测对象在当前时间段的生理数据进行检测,确定所述待检测对象的当前身体状态之后,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,在基于所述微控制器,对待检测对象在当前时间段的待测生理数据进行检测,确定所述待检测对象的当前身体状态之后,所述方法还包括:
8.一种癫痫检测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的癫痫检测方法。
技术总结本申请公开了一种癫痫检测方法、装置、设备及介质。其中,该方法通过获取目标群体的历史生理数据,并基于历史生理数据生成训练数据集;其中,历史生理数据包括脑电图数据、心电图数据、皮肤电活动数据和癫痫发作时间数据;利用训练数据集对预设癫痫检测模型进行训练,得到训练后的初始癫痫检测模型,并对初始癫痫检测模型进行微型机器学习以部署至微控制器;基于微控制器,对待检测对象在当前时间段的待测生理数据进行检测,确定待检测对象的当前身体状态。本技术方案,通过将癫痫检测模型进行微型机器学习以部署在微控制器上,有效降低了癫痫检测模型的运行功耗,实现了对癫痫患者身体状态的快速准确检测。技术研发人员:周磊受保护的技术使用者:软通动力信息技术(集团)股份有限公司技术研发日:技术公布日:2024/11/14本文地址:https://www.jishuxx.com/zhuanli/20241118/328364.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。