脑电波智能筛查方法及系统技术方案

本发明专利技术提供一种脑电波智能筛查方法及系统，该方法包括：获取患者的脑电信号；对脑电信号进行解析处理，获取脑电信号的多组特征参数；以解析所获得的多组特征参数作为输入，根据样本数据库内的多个脑电信号样本，从时域上标记脑电信号上的异常事件。

【技术实现步骤摘要】
脑电波智能筛查方法及系统
本专利技术涉及计算机领域，且特别涉及一种基于脑电波智能筛查方法及系统。
技术介绍
脑电信号(EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。脑电信号中包含了大量的生理与疾病信息，在临床医学方面，脑电信号处理不仅可为某些脑疾病提供诊断依据，而且还为某些脑疾病提供了有效的治疗手段。大脑的电活动在计算机显示器上呈现为波浪线，医生通过解读波浪线来确定大脑的工作状态。目前脑电信号分析主要靠肉眼观察，这可以看作是人工时域分析。人工时域分析主要用来直接提取波形特征，如过零截点分析、直方图分析、方差分析、相关分析、峰值检测及波形参数分析、相干平均、波形识别等等。脑电的检测和分析通常是由经验丰富的神经科医生或神经电生理学专家人工进行。但是目前中国脑电技师人才匮乏，各级医院均缺乏优质的读图医生，特别是广大基层医疗机构，脑电检测人才严重缺失。此外，在特殊疾病的检测领域(如癫痫疾病等疾病)内，患者通常需要进行长时间的脑电检测，可能持续数天，直到捕捉到脑部异常放电为止。因此，脑电技师经常需要对长达数天的脑电文件进行无遗漏的解读。人工读图不仅耗时长、成本高昂且效率较低，难以有效干预或控制癫痫疾病，人工分析也容易出现误诊和漏诊。
技术实现思路
本专利技术为了克服现有技术的不足，提供一种能自动筛选出脑电信号中的异常事件的脑电波智能筛查方法及系统。为了实现上述目的，本专利技术提供一种脑电波智能筛查方法，该方法包括：获取患者的脑电信号；对脑电信号进行解析处理，获取脑电信号的多组特征参数；以解析所获得的多组特征参数作为输入，根据样本数据库内的多个脑电信号样本，从时域上标记脑电信号上的异常事件。根据本专利技术的一实施例，对脑电信号进行解析处理包括：对获得的脑电信号进行预处理；从时域上将预处理后的脑电信号分割成多个具有一定时长的片段，获取每个片段上的特征参数。根据本专利技术的一实施例，特征参数包括时域参数和频域参数，在提取频域参数时将每个片段分割成2秒且有1秒重叠的小片段，提取每个小片段的多个频域特征参数。根据本专利技术的一实施例，脑电信号为多通道脑电信号，预处理包括多通道脑电信号中眼电伪迹的去除，其步骤包括：将原始脑电信号S进行标准化处理得到SC；然后使用“db6”小波函数对SC信号进行七层小波变换，并将分解后得到的小波系数串联起来，得到一个小波系数向量矩阵X；求矩阵X的转置，得到装置矩阵Y；对向量矩阵X和装置矩阵Y进行典型相关性分析，计算基向量矩阵Wx和Wy，求得典型成分分析后的典型变量，利用相关系数识别眼电伪迹成分，利用典型相关性分析逆变换将去除眼电伪迹后的各典型向量进行投影变换，再进行小波变换的逆变换，得到去除眼电伪迹后的脑电信号。根据本专利技术的一实施例，样本数据库内的多个脑电信号样本构建了以多组特征参数作为输入，每组特征参数对应的异常事件作为输出的随机森林模型。根据本专利技术的一实施例，脑电波智能筛查方法在获取患者的脑电信号后将该脑电信号关联存储至表征患者身份的唯一标识码所对应的属性目录下。根据本专利技术的一实施例，脑电波智能筛查方法还包括：基于终端浏览器输入的查看请求，获取与查看请求内的信息对应的标记后的脑电信号数据并根据该标记后的脑电信号数据在终端浏览器上绘制并展示对应的标记后的脑电波图形。根据本专利技术的一实施例，脑电波智能筛查方法还包括：检测针对展示的标记后的脑电波图形基于异常事件的标记修改操作；响应于检测到的标记修改操作，更正对应的脑电信号的标记数据。根据本专利技术的一实施例，将正确修改后的已标记的脑电信号数据作为脑电信号样本，更新样本数据库。相对应的，本专利技术还提供一种脑电波智能筛查系统，其包括信号采集模块、存储器以及处理器。信号采集模块获取患者的脑电信号。存储器存储有计算机程序。处理器处理存储器内存储的计算机程序，计算程序被处理器执行时能够实现以下步骤：获取患者的脑电信号；对脑电信号进行解析处理，获取脑电信号的多组特征参数；以解析所获得的多组特征参数作为输入，根据样本数据库内的多个脑电信号样本，从时域上标记脑电信号上的异常事件。综上所述，本专利技术提供的脑电波智能筛查方法及系统在获取患者的脑电信号后对脑电信号进行解析，获取脑电信号内的多组特征参数。参照样本数据库内的多个脑电信号样本来判断每组特征参数所对应的脑电信号是否正常，当出现异常时则在时域上对该异常事件进行标识。读图医生只需关注异常事件即可，大大提高了读图医生的读图效率，有效解决了现有的人工识图方法所带来的效率低下的问题。而样本数据库内的大量的脑电信号样本则大大提高了智能识别的准确性。进一步的，本实施例提供的脑电波智能筛查方法及系统在将智能识别后的脑电图展示给专业的读图医生的同时不断的检测读图医生针对识别后的脑电图的标记修改操作并对其标记修改操作进行响应，在智能识图的基础上结合人工确认，确保读图的准确性。此外，通过将读图医生确认后的准确率高的已标记的脑电信号数据纳入样本数据库内不断的训练识别模型，从而进一步提高智能识图的准确性。为让本专利技术的上述和其它目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。附图说明图1所示为本专利技术一实施例提供的脑电波智能筛查方法的流程图。图2所示为图1中步骤S20的具体流程图。图3所示为本专利技术一实施例提供的脑电波智能筛查方法的原理框图。具体实施方式如图1所示，本实施例提供的脑电波智能筛查方法包括：获取患者的脑电信号(步骤S10)。对脑电信号进行解析处理，获取脑电信号的多组特征参数(步骤S20)。以解析所获得的多组特征参数作为输入，根据样本数据库内的多个脑电信号样本，从时域上标记脑电信号上的异常事件(步骤S30)。以下将结合图1和图2详细介绍本实施例提供脑电波智能筛查方法的具体工作原理。本实施例提供的脑电波智能筛查方法始于步骤S10，在该步骤中脑电采集设备(包括脑电图仪、多导睡眠检测仪(PSG)等)以频率为500Hz～4000Hz的采样频率来采集患者的生理信号，获取其中的脑电信号。本实施例中脑电采集设备采集的是额区、中央区和枕区三个通道的脑电信号。然而，本专利技术对此不做任何限定。于其它实施例中，获取的脑电信号也可为单通道的脑电信号。脑电信号采集设备在获取到脑电信号后根据设备当前的网络状态来选择脑电信号的存储方式。当设备处于网络环境下时，脑电信号采集设备将获取到的脑电信号传输至云端服务器；当处于无网络环境下时，脑电信号采集设备将采集到的脑电信号存储至本地服务器上，当设备处于网络环境下时再将脑电信号传输至云端服务器上。所述的网络环境可以为wifi网络或热点。云端服务器接收到脑电信号后，将该脑电信号关联存储至表征患者身份的唯一标识码所对应的属性目录下，实现脑电信号的集中管理。表征患者身份的唯一标识符可为患者的手机号、身份证号或者是医院的就诊号等。在获取到脑电信号后执行步骤S20，对获取的脑电信号进行解析处理，获取脑电信号的多组特征参数。通过大脑皮层采集到的脑电信号会有许多噪声，还会有生理伪迹信号，这些干扰信号幅值较大，有用信号幅值较少。故本实施例对脑电信号的解析处理包括：步骤S201，对获得的脑电信号进行预处理，去除脑电信号中的生理伪迹信号；步骤S202，从时域上将预处理后的脑电信号分割成多个具有一定时长的片段，获取每本文档来自技高网...

【技术保护点】
1.一种脑电波智能筛查方法，其特征在于，包括：获取患者的脑电信号；对脑电信号进行解析处理，获取脑电信号的多组特征参数；以解析所获得的多组特征参数作为输入，根据样本数据库内的多个脑电信号样本，从时域上标记脑电信号上的异常事件。

【技术特征摘要】
1.一种脑电波智能筛查方法，其特征在于，包括：获取患者的脑电信号；对脑电信号进行解析处理，获取脑电信号的多组特征参数；以解析所获得的多组特征参数作为输入，根据样本数据库内的多个脑电信号样本，从时域上标记脑电信号上的异常事件。2.根据权利要求1所述的脑电波智能筛查方法，其特征在于，对脑电信号进行解析处理包括：对获得的脑电信号进行预处理；从时域上将预处理后的脑电信号分割成多个具有一定时长的片段，获取每个片段上的特征参数。3.根据权利要求2所述的脑电波智能筛查方法，其特征在于，所述特征参数包括时域参数和频域参数，在提取频域参数时将每个片段分割成2秒且有1秒重叠的小片段，提取每个小片段的多个频域特征参数。4.根据权利要求2所述的脑电波智能筛查方法，其特征在于，所述脑电信号为多通道脑电信号，所述预处理包括多通道脑电信号中眼电伪迹的去除，其步骤包括：将原始脑电信号S进行标准化处理得到SC；然后使用“db6”小波函数对SC信号进行七层小波变换，并将分解后得到的小波系数串联起来，得到一个小波系数向量矩阵X；求矩阵X的转置，得到装置矩阵Y；对向量矩阵X和装置矩阵Y进行典型相关性分析，计算基向量矩阵Wx和Wy，求得典型成分分析后的典型变量，利用相关系数识别眼电伪迹成分，利用典型相关性分析逆变换将去除眼电伪迹后的各典型向量进行投影变换，再进行小波变换的逆变换，得到去除眼电伪迹后的脑电信号。5.根据权利要求1所述的脑电波智能筛查方法，...

【专利技术属性】
技术研发人员：戴珅懿，刘俊飙，蔡建军，李凯，吴端坡，喻晓斌，
申请(专利权)人：杭州妞诺科技有限公司，
类型：发明
国别省市：浙江,33