一种基于数据增强与多域特征融合排序的癫痫亚型分类方法、系统和介质

本公开涉及一种基于数据增强与多域特征融合排序的癫痫亚型分类方法、系统和介质，所述方法包括：基于去噪扩散概率模型对癫痫脑电信号数量少的癫痫亚型进行逐步加噪与逆向去噪；提取信号时域特征、频域特征、脑功能网络图结构特征；基于随机森林模型、SHAP解释和卡方检验分别对特征重要性进行排序，利用Borda Count投票机制对排序结果进行融合并分配权重；构建癫痫亚型分类模型，模型包括提取局部空间特征并引入特征加权机制的CNN分支、用于建模时序依赖并引入时间步权重机制的GRU分支、用于融合CNN分支与GRU分支输出结果的双线性池化融合模块；获得待分类的癫痫脑电信号进行癫痫亚型分类。本公开提高了分类的准确性。