基于深度学习和静息态脑电数据分析病人意识水平的方法

摘要

一种基于深度学习和静息态脑电数据分析病人意识水平的方法。其包括脑电波信号预处理；构建锁相值、全频带多通道功率谱密度周期分量和非周期分量矩阵；划分训练集和测试集；构建卷积神经网络模型并训练和验证；重构训练集和测试集；再次训练和验证卷积神经网络模型；获得患者最终分类结果及分类结果可信度等步骤。本发明使用的CNN模型无需大量特征提取工作，仍可发挥模式识别的优良性能。引入梯度加权类激活映射技术，以达到对学习结果可视化的目的，增加优势。可找到静息态脑电波信号中与意识水平相关性较高的信息，以此建立具有较好分类性能的卷积神经网络模型，可辅助医护人员对患者的意识水平进行初步的分析评估。