基于可调Q因子小波变换的癫痫脑电信号检测方法

针对癫痫脑电信号的检测问题，提出一种基于可调Q因子小波变换和迁移学习的癫痫脑电信号检测方法。首先，对EEG信号进行可调Q因子小波变换，并选择能量差异较大的子带进行部分重构，重排重构信号，将其表示为二维彩色图像数据;其次，通过对现有的癫痫发作自动检测算法和深度可分离卷积网络Ⅹ cepTIon模型的分析，使用Imagenet数据集分类的预训练模型参数进行网络参数初始仳，得到深度可分离卷积网络Ⅹ cepTIon的预训练模型;最后，利用迁移学习方法将XcepTIon模型的预训练结釆迁移至癲痫发作自动检测任务。所提方法在BONN癫痫数据集上的准确度达到99.37%，敏感度达到100%，特异度达到98.48%，证明了该模型在癫痫发作自动检测任务上具有良妤的泛化能力。与传统检测方法和其他深度学习方法相比，所提自动检测方法达到了较高的准确率，避免了人工设计和提取特征的过程，具有较好的应用价值。