本发明是一种基于模糊神经网络的脑电癫痫预测系统，属于云边协同。
背景技术：
1、癫痫发作(epileptic seizure，es)是由大脑网络中突然发生的异常、自我维持的放电引起的，通常持续不到几分钟。es攻击很难预测，而且攻击的严重性和持续时间也无法预测。因此，事件造成的伤害和安全问题是患者及其家人的主要担忧。因此，早期预测癫痫发作对于避免和应对其不良后果至关重要。癫痫患者的大脑活动可分为不同的状态：发作前、发作中、发作后和发作间期。es预测是一个分类问题，即区分发作前和发作间状态。由于癫痫的反复发作性质，es在群体中发生，癫痫群患者可以通过预测后续癫痫发作获得优势。
2、脑电图(eeg)是研究es发作期间大脑功能解剖的一种特别有效的诊断工具。通过脑电图对癫痫的预测和治疗进行了广泛的研究。eeg信号是非高斯和非平稳的，用于测量大脑中的电活动，进而用于诊断大脑疾病的类型。脑电图测量的分析有助于区分大脑的正常和异常功能。为了准确预测癫痫，有必要检查持续时间较长的脑电图记录。神经科专家通过研究连续几天、几周甚至几个月记录的脑电图信号来检查癫痫，这需要大量的人力和时间。多年来，各种研究都采用了基于机器学习(ml)的预测方法来解决这个问题。深度学习(deeplearning，dl)是一种先进的ml技术，它能够通过多层层次结构处理大量数据，从而更精确地从中学习模式。dl产生非常精确结果的能力影响了研究人员通过使用dl技术来处理许多实际应用，在过去五到六年中，许多研究人员提出了基于dl的es预测方法。
3、目前通过对不同神经网络对脑电癫痫的预测，癫痫脑电信号取得良好的预测效果，但大多数神经网络在信号预处理步骤中将初始信号转化为分类属性时会导致一些有用的信息丢失。这些信息的丢失，会导致预测结果的精准度降低。
技术实现思路
1、顾及到以上问题，本发明提供了一种基于模糊神经网络的脑电癫痫预测系统，该系统包括：
2、脑电采集电极，所述的脑电采集电极采用水凝胶电极，水凝胶电极可以在4小时内保持平均阻抗不超过100kω,最好时可以达到50kω,接近湿电极的阻抗水平，满足基本的bci应用场景，较低的阻抗使得脑电信号的信号完整性较好，有利于后续信号放大器及模数转换器的处理。
3、模数转换模块，所述的模数转换芯片采用ads1299，用于接收脑电信号，mcu模块通过spi总线向adc发送开始转换命令；随后adc以配置的采样频率工作并通过引脚信号告知mcu数据准备就绪；mcu再次通过spi总线从adc连续读取所有8个通道的数据；重复上述过程直到发送停止命令通知adc停止转换。并且将处理后的信号发送到微控制器。
4、微控制器，所述微控制器采用esp32-s3，用于接收模数转换模块处理后的脑电信号，并且对读取到的脑电信号进行处理。并且将数据发送至云服务器。
5、云服务器，所述的云服务器用于接收微控制器处理后的脑电信号，并对处理后的信号进行预测。
6、无线传输模块，所述无线传输模块选用乐鑫科技的esp8266模块，通过coap协议发送微控制器处理后的脑电信号到云服务器。
7、蜂鸣器，所述蜂鸣器用于对预测到的癫痫进行报警。
8、本发明的一种基于模糊神经网络的脑电癫痫预测系统，所述的微控制器通过串口通信协议与无线传输模块进行通信。波特率为115200。
9、有益效果
10、与现有的脑电癫痫预测系统技术相比，本发明具有以下有益效果：
11、1)这种脑电癫痫预测系统采用的水凝胶电极与传统湿电极相比，优点是佩戴方便快捷，使用后无须清洁头皮与电极上的残留物。并且水凝胶的生产工艺简单，步骤少，易操作，容易量产。且舒适性和便捷性水凝胶电极比湿电极更好。
12、2)相比于以往的脑电癫痫预测系统提取特征时一些有用的信息丢失，本系统信号预处理时的信息丢失更少，能够提升癫痫预测的准确度。
13、3)通过用云边协同的方法把脑电癫痫预测算法部署到云服务器上和用coap协议的方式传输信息，能够降低系统的反应时间，可加快脑电癫痫预测系统的预测速度。
1.一种基于模糊神经网络的脑电癫痫预测系统，其特点在于包括：
2.如权利要求1所述一种基于模糊神经网络的脑电癫痫预测系统，其特征在于：通过用云边协同的方法把脑电癫痫预测算法部署到云服务器上和用coap协议的方式传输信息，能够降低系统的反应时间，可加快脑电癫痫预测系统的预测速度。
3.如权利要求1所述一种基于模糊神经网络的脑电癫痫预测系统，其特征在于:微控制器通过串口通信协议与无线传输模块进行通信。波特率为115200。
