CHBMIT数据集解析：从EEG信号处理到癫痫预测实战指南

1次阅读

没有评论

共计 3067 个字符，预计需要花费 8 分钟才能阅读完成。

癫痫预测是医疗 AI 领域的重要课题，但数据处理环节存在多个技术难点：

EDF 格式解析复杂 ：CHBMIT 数据集采用欧洲数据格式 (EDF)，需要处理二进制头文件和信号数据的字节对齐
伪迹干扰严重 ：EEG 信号常混杂 50Hz 工频干扰、眼动伪迹和肌肉噪声，信噪比低
样本极端不平衡 ：发作期数据仅占 0.1% 左右，常规分类器会偏向多数类
时间依赖性 ：EEG 是典型的时间序列数据，需要保留长时间依赖特征

主流 EEG 处理工具各有优劣：

PyEDFlib：轻量级 EDF 解析库，适合基础 I / O 操作但缺乏高级分析功能
MNE：专业级脑电分析工具，包含 ICA 去噪等高级特性，但学习曲线陡峭
EEGLAB：MATLAB 生态工具，适合研究但难以集成到生产环境

推荐组合方案：PyEDFlib 读取 + scipy 信号处理 + 自定义深度学习模型

import pyedflib
import numpy as np

def read_edf(edf_path):
    """EDF 文件读取函数（含异常处理）"""
    try:
        with pyedflib.EdfReader(edf_path) as f:
            # 读取头文件信息
            n_channels = f.signals_in_file
            signal_labels = f.getSignalLabels()

            # 读取信号数据（注意内存映射优化）signals = np.zeros((n_channels, f.getNSamples()[0]))
            for i in np.arange(n_channels):
                signals[i,:] = f.readSignal(i)

            return {'signals': signals,  # 形状为 [ 通道数, 采样点数]
                'sample_rate': f.getSampleFrequency(0),
                'channels': signal_labels
            }
    except IOError as e:
        print(f"EDF 读取错误: {str(e)}")
        return None

使用 4 阶 Butterworth 带阻滤波器：

from scipy import signal

def remove_50hz(raw_signal, sample_rate=256):
    """消除 50Hz 工频干扰"""
    nyq = 0.5 * sample_rate
    low = 49 / nyq
    high = 51 / nyq

    # 设计带阻滤波器
    b, a = signal.butter(4, [low, high], btype='bandstop')
    filtered = signal.filtfilt(b, a, raw_signal)
    return filtered

时域特征 – Hjorth 参数计算：

def hjorth_parameters(signal_window):
    """计算活动性、复杂性和移动性"""
    first_deriv = np.diff(signal_window)
    second_deriv = np.diff(first_deriv)

    activity = np.var(signal_window)
    mobility = np.sqrt(np.var(first_deriv) / activity)
    complexity = np.sqrt(np.var(second_deriv) / np.var(first_deriv)) / mobility

    return [activity, mobility, complexity]

频域特征 – 小波能量系数：

import pywt

def wavelet_energy(signal_window, wavelet='db4', level=5):
    """计算小波分解能量特征"""
    coeffs = pywt.wavedec(signal_window, wavelet, level=level)
    energy = [np.sum(np.square(c)) for c in coeffs]
    return energy

import tensorflow as tf
from tensorflow.keras.layers import LSTM, Dense, Attention, Input

def build_model(input_shape):
    inputs = Input(shape=input_shape)

    # 双向 LSTM 层
    lstm_out = Bidirectional(LSTM(64, return_sequences=True))(inputs)

    # 注意力机制
    attention = Attention()([lstm_out, lstm_out])

    # 分类头
    outputs = Dense(1, activation='sigmoid')(attention[:, -1, :])

    model = tf.keras.Model(inputs=inputs, outputs=outputs)
    model.compile(
        optimizer='adam',
        loss='binary_crossentropy',
        metrics=[tf.keras.metrics.AUC(), 'accuracy']
    )
    return model

推荐采用三重策略组合：

样本加权 ：对少数类样本设置更高权重
时间窗口采样 ：发作前 5 分钟数据增强 10 倍
损失函数改进 ：Focal Loss 替代标准交叉熵

def focal_loss(y_true, y_pred, alpha=0.75, gamma=2):
    """Focal Loss 实现"""
    pt = tf.where(tf.equal(y_true, 1), y_pred, 1 - y_pred)
    return -tf.reduce_mean(alpha * tf.pow(1 - pt, gamma) * tf.math.log(pt))

分块读取 ：按时间窗口分段加载 EDF 数据
memmap 技术 ：使用 numpy.memmap 处理大文件
在线特征提取 ：避免存储中间结果

# 患者特定模型微调
def patient_specific_fine_tuning(base_model, patient_data):
    # 冻结底层特征提取层
    for layer in base_model.layers[:-2]:
        layer.trainable = False

    # 用少量患者数据微调
    base_model.fit(patient_data, epochs=10, batch_size=16)
    return base_model