科创中国

本成果是一种癫痫脑电预测方法。脑电信号的识别是认知神经科学，信号处理和计算机科学等多领域的交叉学科。针对癫痫脑电信号预测任务，至今仍未有行之准确有效的方法。如何从采集到的癫痫脑电中提取有用信息并构建模型对其进行识别一直是该领域的热点和难点。本发明基于基于卷积与循环神经网络结合时间多尺度提出了一种癫痫脑电信号特征提取的方法。

本成果是一种基于卷积与循环神经网络结合时间多尺度的癫痫脑电预测方法。将N导癫痫患者脑电信号根据距离发作期远近分为间期、前期数据，对两类数据进行滑窗分段，窗口大小为30s，作为一个样本。由于两类数据量失衡，为增加前期样本，前期滑窗重叠率为20％，间期无重叠。对数据进行三层小波包分解得到八个频带的小波系数，然后重构回对应频带的时域信号，提取电极间相关性系数作为特征矩阵。将特征矩阵输入到卷积网络，通过卷积核对数据的不断融合来学习数据的高层表征。卷积网络的输出作为循环网络的输入来学习脑电信号时序上的隐含关系，并通过多个时间尺度信息的融合来降低生物信号非稳定性特点的影响从而提升模型的分类准确率。

癫痫是影响全年龄人群的一种由脑部神经元阵发性异常超同步电活动导致的慢性非传染性疾病, 也是全球最常见的神经系统疾病之一. 由于大脑异常电活动的起始位置和传播方式存在差异, 癫痫临床表现呈现多样化、复杂化的特点. 反复癫痫发作会对患者的精神与认知功能造成持续性的负面影响, 甚至危及生命. 因此, 癫痫诊断和治疗的研究具有非常重要的临床意义。本发明提出了一种具有普适性的基于卷积循环神经网络结合时间多尺度的癫痫脑电分析方法。

北京工业大学是一所以工为主，工、理、经、管、文、法、艺术、教育相结合的多科性市属重点大学。8个学科跻身2020年QS世界大学排行榜前500，位列QS2020年世界大学排名中国内地第32，工程学、材料科学、化学、环境科学与生态学、计算机科学、生物学与生物化学6个学科进入ESI前1％。该成果的第一发明人段立娟教授是IEEE会员，ACM会员，中国密码学会会员，中国计算机学会高级会员，中国人工智能学会科普专委会委员，中国图象图形学学会视觉大数据专委会委员。2003年在中国科学院计算所获得计算机应用技术博士学位。2006年、2009年分别在澳大利亚詹姆斯库克大学、德国波茨坦大学做短期的学术访问。2010.3-2011.3受国家留学基金委资助到Texas大学Austin分校访问。2006年入选北京市委组织部优秀人才培养计划，2012年入选北京市属高等学校青年拔尖人才培育计划，2013年入选北京工业大学“京华人才”。2012年获北京工业大学教育教学成果一等奖。2012年获得中国电子学会二等奖。2015年获得中国电子学会三等奖。

本成果通过多个频带一定程度上解决了不同患者之间频带差异性问题；卷积网络与循环网络结合联合考虑了空间与时间上的隐含关系；通过融合多个时间尺度数据学习脑电不同时间分辨率下所包含的信息。本成果通过自动检测癫痫，即自动识别癫痫的发作状态, 能够大幅减轻医疗工作者负担, 并降低医生主观判断病情的不确定性

入门费3000元，提成费按2%提取,许可期限届满日至：2039年10月12日。