用于根据头皮脑电图识别病理性脑活动的方法技术

本发明专利技术涉及用于从头皮脑电图信号检测病理性脑活动模式的计算机实现的方法，所述方法包括以下步骤：获取(A)随多个通道和时间变化的脑电图信号；针对每个通道，在固定阈值上识别(C)脑电图信号的零交叉；利用所识别的零交叉生成获取到的脑电图信号的至少一片段的零交叉表示；通过对预记录的脑电图信号的零交叉表示进行零交叉统计分析来获取(D)时间和通道的实函数的参考族；通过将脑电图信号的片段的所述零交叉表示与来自参考函数族的至少一个参考函数进行比较来计算(E)匹配分数；以及通过在脑电图信号上滑动来自参考函数族的该至少一个参考函数来计算随时间变化的匹配分数。

A method for recognizing pathological brain activity based on scalp electroencephalogram

【技术实现步骤摘要】
【国外来华专利技术】用于根据头皮脑电图识别病理性脑活动的方法
本专利技术涉及一种用于对头皮脑电图进行分析的系统和方法。具体地，本专利技术涉及一种使用非线性分类方法来识别受试者的病理性脑活动模式的方法。
技术介绍
利用放置在头皮表面的电极来记录脑电活动的头皮脑电描记法是诊断和研究包括癫痫的神经疾病的基本工具。传统上，头皮脑电图的临床检查依赖于对多个通道中记录的波形模式的形态和空间分布进行目视评估，这一过程通常耗时且低效。本专利技术的方法能够自动检测病理性脑活动模式，例如发作间期癫痫样放电的低幅度头皮表现以及其他神经生理现象。作为一种涉及约1％人口的神经疾病，癫痫的特征在于癫痫发作的自发性发生。在两次癫痫发作之间的时期(间歇期)，对头皮和颅内癫痫放电的识别在癫痫诊断和监测对药物治疗的反应中具有重要作用。发作间期癫痫样放电不仅与癫痫有关联，而且与癫痫发作可以代表的继发性表现的病症(例如神经炎和神经血管疾病)以及与某些非癫痫性神经病症(例如早期阿尔茨海默氏病)有关联。实际上，在一些病症中，脑电图模式是高度疾病特异性的。头皮和颅内脑电图信号的同时的记录显示：通过对头皮脑电图进行目视检查仅可识别由颅内电极检测到的发作间期癫痫样放电中的少部分。实际上，头皮脑电图受信号衰减、较差的空间分辨率、噪声和伪像影响，这损害了对感兴趣信号的检测。相比之下，颅内脑电图信号由通过侵入性外科手术紧邻相关脑部结构设置的电极获取。除发作间期癫痫样放电外，脑电图记录的临床意义模式也是感兴趣的并且在文献中已有报道。例如，对受试者刚好在癫痫发作之前(所谓的发作前期)的病理性脑电图模式的检测允许产生适当的警告信号，以允许对其进行安全调节。根据除发作间期癫痫样放电和电图形癫痫发作之外的脑电图模式来区别癫痫受试者和非癫痫受试者、区分不同癫痫亚型或者对非癫痫性神经病症进行诊断的能力将扩展脑电图在普通神经病学中的应用。因此，本文中主要问题之一是开发一种允许通过利用无创头皮脑电图所记录的信号来检测病理性脑活动模式的方法。多个科学出版物和专利已致力于克服所述技术问题。Zandi等人的US6,442,421(PredictingepilepticseizuresinscalpEEGbasedonavariationalBayesianGaussianmixturemodelofzero-crossingintervals.IEEETransactionsonBiomedicalEngineering，2013)以及更近期地Spyrou等人(DetectionofIntracranialSignaturesofInterictalEpileptiformDischargesfromConcurrentScalpEEG.Internationaljournalofneuralsystems，2016)和Pyrzowski等人(IntervalanalysisofInterictalEEG：pathologyofthealpharhythminfocalepilepsy.ScientificReports，2015)公开了检测发作间期癫痫样放电和其他病理性脑活动模式的自动化方法。Spyrou等人公开了基于线性分类器的颅内发作间期癫痫样放电自动检测算法。所述算法采用多通道模式分类以便以独立于受试者的方式对事件进行分类。通过频谱图方法获取由二分类器分析的时频特征。所述二分类器将头皮脑电图信号中和颅内发作间期放电相关联的片段与和颅内发作间期放电不相关联的片段区分开。然而，相比于非线性方法，线性信号分析方法不适于脑电图信号分析。此外，所述线性分类器使用信号的时频特征，该时频特征可以对诸如由眼动产生的脑电图信号伪像是敏感的。US6,442,421公开了一种方法，所述方法能够检测受试者的脑电活动的变化，允许预测癫痫发作并因此允许区别生理性和病理性脑活动模式。US6,442,421中公开的方法通过将在线记录的脑电图信号与癫痫未发作的参考状态进行比较来检测病理性癫痫发作前状态。然而，由于所述非癫痫发作状态参考必须针对每个受试者单独计算，所以该方法依赖于受试者，并且受限于单通道分析，所述单通道分析导致关于已记录的不同通道之间存在的相位关系的信息丢失。Pyrzowski等人公开了用于辨别非癫痫受试者与患有局灶性癫痫的受试者的计算方法，所述方法包括以下步骤：a)使用多个电极来获取确定的时间段的多个脑电图信号；b)使用零相移有限脉冲响应滤波器对各个通道信号进行带通滤波；c)通过线性插值识别先前处理的脑电图信号中的零(例如等电位线)交叉；d)针对每个通道，将随后的零交叉之间的时间间隔直方图化；e)对从不同通道获取的直方图进行求和；f)估计时间间隔直方图的标准统计参数和熵测度以及固定长度间隔的相对计数；以及g)利用在f)中监测的参数对所述脑电图信号进行分类。Pyrzowski等人公开了一种二分类方法。具体地，Pyrzowski等人公开了基于间隔分析对发作间期脑电图记录进行分类的方法。原理在于针对多个通道独立定义随后的零交叉点之间的时间间隔的直方图。根据表示待分类脑电图记录的片段的直方图来计算感兴趣的特征。分类允许区分具有癫痫的受试者和非癫痫的对照组。然而，如同US6,442,421，Pyrzowski等人公开的方法，具体地步骤d)和e)，导致了关于已记录的不同通道之间存在的相位关系的信息的丢失。Zandi等人公开了一种用于检测病理性脑活动模式的方法，允许预测受试者的癫痫发作。所述方法还基于对从头皮脑电图获取的零交叉间隔直方图进行的分析。然而，如在US6,442,421中，所述方法依赖于受试者，因为癫痫发作是通过分析当前脑电图信号与从同一受试者获取的适当的发作前和发作间期参考之间的相似度来预测的。在本专利技术中，对病理性脑活动模式(例如发作间期癫痫样放电)的检测依赖于匹配分数的计算，所述匹配分数反映了所分析的脑电图信号的片段与病理性病症的典型参考状态之间的相似度。本专利技术公开了一种用于检测受试者的病理性脑活动模式的改进的计算机实现的方法。在本专利技术中，使用非线性分类方法相对于参考病理状态对受试者的脑电图记录进行评估。与Spyrou等人公开的方法相比，本专利技术的方法仅使用脑电图信号的相位信息，减少了信号伪像和振幅噪声的影响，提供了改进的性能。此外，在本专利技术中，参考状态被针对特定病理病症一般化，能够被用于受所述特定病理病症影响的不同受试者。因此，相比于仅应用于癫痫，本专利技术允许更广泛的应用，并且本专利技术克服了如US6,442,421和Zandi等人所述的对计算患者特定参考的限制。
技术实现思路
本专利技术涉及用于根据头皮脑电图信号检测病理性脑活动模式的计算机实现的方法，所述方法包括以下步骤：a)获取随多个通道和时间变化的脑电图信号，针对每个通道进行识别；b)针对每个通道，在固定阈值上识别脑电图信号的零交叉；c)利用所识别的零交叉生成所获取的脑电图信号的至少一片段的零交叉本文档来自技高网...

【技术保护点】
1.一种用于从头皮脑电图信号检测脑活动模式的计算机实现的方法，所述方法包括以下步骤：/na)获取(A)随多个通道和时间变化的脑电图信号；/nb)针对每个通道，在固定阈值上识别(C)所述脑电图信号的零交叉；/nc)利用所识别的零交叉生成所获取的脑电图信号的至少一片段的零交叉表示；/nd)通过对预记录的脑电图信号的零交叉表示进行零交叉统计分析，获取(D)时间和通道的实函数的参考族；/ne)通过将脑电图信号的片段的所述零交叉表示与来自参考函数族的至少一个参考函数进行比较，计算(E)匹配分数；以及/nf)通过在脑电图信号上滑动来自参考函数族的所述至少一个参考函数，计算随时间变化的匹配分数。/n

【技术特征摘要】
【国外来华专利技术】20170331 EP 17164291.11.一种用于从头皮脑电图信号检测脑活动模式的计算机实现的方法，所述方法包括以下步骤：
a)获取(A)随多个通道和时间变化的脑电图信号；
b)针对每个通道，在固定阈值上识别(C)所述脑电图信号的零交叉；
c)利用所识别的零交叉生成所获取的脑电图信号的至少一片段的零交叉表示；
d)通过对预记录的脑电图信号的零交叉表示进行零交叉统计分析，获取(D)时间和通道的实函数的参考族；
e)通过将脑电图信号的片段的所述零交叉表示与来自参考函数族的至少一个参考函数进行比较，计算(E)匹配分数；以及
f)通过在脑电图信号上滑动来自参考函数族的所述至少一个参考函数，计算随时间变化的匹配分数。


2.一种用于从头皮脑电图信号检测病理性脑活动模式的计算机实现的方法，所述方法包括以下步骤：
a)获取(A)随多个通道和时间变化的脑电图信号；
b)针对每个通道，在固定阈值上识别(C)所述脑电图信号的零交叉；
c)利用所识别的零交叉生成所获取的脑电图信号的至少一片段的零交叉表示；
d)通过对预记录的脑电图信号的零交叉表示进行零交叉统计分析，获取(D)时间和通道的实函数的参考族，其中，所述获取参考族的步骤包括以下步骤：
i.获取预定长度的至少一个头皮脑电图信号和/或至少一个颅内脑电图信号的同时的记录；
ii.相对于所获取的记录的至少一个特征，对至少一个头皮脑电图信号的零交叉进行统计分析；以及
iii.根据所述统计分析计算参考函数族；
e)通过将所述脑电图信号的片段的所述零交叉表示与来自参考函数族的至少一个参考函数进行比较，计算(E)匹配分数；以及
f)通过在脑电图信号上滑动来自参考函数族的所述至少一个参考函数，计算随时间变化的匹配分数。


3.根据权利要求1或2所述的方法，所述方法还包括对所述匹配分数进行评估的步骤。


4.根据权利要求1至3中任一项所述的方法，其中，所述步骤b)之前是滤波步骤(B)，所述滤波步骤包括利用零相移带通滤波器对脑电图信号进行滤波。


5.根据权利要求4所述的方法，其中，所述滤波步骤随后是将脑电图信号划分成固定长度的非重叠连续片段的步骤。


6.根据权利要求1至5中任一项所述的方法，其中，针对以t0为中心的一个参考函数T相对于脑电图片段的零交叉表示的所述匹配分数ST(t0)由以下公式定义：



其中，第一个求...

【专利技术属性】
技术研发人员：扬·佩尔乔夫斯基，米歇尔·勒凡权，让厄德·勒杜热，
申请(专利权)人：波尓瑟兰尼提公司，大脑和脊髓研究所，巴黎公共救济院，索邦大学，法国国家科学研究中心，国立卫生研究所，
类型：发明
国别省市：法国;FR