基于弹性网和乌鸦优化融合算法的新生儿脑损伤分级系统

本发明属于新生儿脑损伤程度分级检测技术领域，具体涉及一种基于弹性网和乌鸦优化融合算法的新生儿脑损伤分级系统；其中数据预处理模块接收新生儿原始脑电信号的文本数据，并将数据处理为独立样本，特征提取模块将独立样本数据使用定量脑电图分析获取定量信息，对于每个独立样本提取qEEG相关特征和幅度、谱密度、连通性相关和脉冲串间隔的mne相关特征，并进行标准化处理；特征初步筛选模块将独立样本数据使用基于弹性网回归的特征选择算法进行与新生儿脑损伤分级结果相关特征的初步选取，最佳特征子集确立模块使用乌鸦优化算法对特征初步筛选模块选取的特征进行进一步选取，确立与新生儿脑损伤结果强相关的最佳特征子集，模型分级判决模块使用支持向量机SVM机器学习模型对最佳特征子集确立模块确立的最佳特征进行新生儿脑损伤分级的预测，并输出预测结果；本发明能够提高新生儿脑损伤分级诊断的准确率，筛选出与结果强相关的特征，找到新生儿脑损伤的特征标志物，为临床医学诊断提供有效的辅助支持。