基于EEGNet的静息态脑电意识障碍分类方法及系统

摘要

本发明涉及基于EEGNet的静息态脑电意识障碍分类方法及系统，分类方法包括：S1、采集脑电信号数据集，并根据病例进行划分；S2、对划分后的脑电信号进行滤波处理；S3、对滤波处理后的脑电信号数据进行重采样，得到样本集；S4、设定脑电信号阈值，剔除样本集中脑电信号值超出脑电信号阈值的样本得到目标样本集；将各病例的目标样本集划分为训练集和测试集；S5、构建EEGNet模型，并利用训练集对EEGNet模型进行训练；S6、利用测试集对训练后的EEGNet模型进行性能评估，得到目标EEGNet模型；S7、将待测脑电信号输入目标EEGNet模型，得到分类结果。本发明分类精度高，能准确对患者进行诊断。