一种基于聚类和分类算法的ECoG术中脑功能定位方法技术

本发明专利技术公开了一种基于聚类和分类算法的ECoG术中脑功能定位方法，包括以下步骤：首先采用功能区边界聚类算法，提取六层小波分解重构单子频带的能量占比为特征量，并使用凝聚式层次聚类模型，聚类各导联的类簇；其次采用功能区属性分类算法，以6维时域统计量和5维节律能量为特征量，并使用PCA对特征降维，并使用SVM分类导联的功能区属性；最后，集成上述算法建立ECoG术中脑功能定位集成算法，采用自定义的相似度算法，将聚类的类簇匹配功能区属性，完成功能区定位。本发明专利技术的算法模型具有良好的泛化性，可实现准确快速的术中脑功能定位临床应用，可广泛应用于基于脑电分析的术中脑功能定位等神经科学的研究。定位等神经科学的研究。定位等神经科学的研究。

【技术实现步骤摘要】
一种基于聚类和分类算法的ECoG术中脑功能定位方法


[0001]本专利技术涉及脑电分析的神经科学研究与临床应用的研究领域，特别涉及一种基于聚类和分类算法的ECoG术中脑功能定位方法。

技术介绍

[0002]大脑是人类神经系统的中枢，脑部病变将会影响人类的记忆、语言、运动等多个功能，严重影响人的生存和生活质量，其中，癫痫、脑胶质瘤是最常见的脑部病变之一。目前，这类脑部病变的主要治疗方式还是通过神经外科手术进行治疗，而在神经外科手术中最重要的一个步骤就是术中脑功能定位。传统的术中脑功能定位方法(解剖学、图像，皮层电刺激等)存在速度，准确性以及可能造成创伤等问题，使用皮质脑电(ECoG)的术中脑功能定位方法有望实现快速、准确、无创的定位，但是存在样本、定位模型泛化性能较差的问题，即一个定位模型不适用于不同的人群，仅适合于特定人群。定位模型泛化性能差的一个重要体现就是基于自身样本建立的定位模型自体检测时准确率较高，说明个体的功能区与非功能区之间个体特异性存在。但是异体检测时准确率较低说明人群的脑功能区没有公共的特异性，或者说非常难找出公共的特异性。因此为了寻找一种快速准确并且泛化性能较好的脑功能区定位方法，本文提出了一种基于聚类和分类算法的ECoG术中脑功能定位方法。

技术实现思路

[0003]本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于聚类和分类算法的ECoG术中脑功能定位方法。
[0004]本专利技术的目的通过以下的技术方案实现：
[0005]一种基于聚类和分类算法的ECoG术中脑功能定位方法，其特征在于，包括以下步骤：
[0006]首先，采用功能区边界聚类算法进行导联类别聚类：对患者各导联ECoG数据预处理，使用db3小波对数据进行6层小波分解，提取各单子频带的能量占比作为特征，对患者所有导联的数据进行功能区与非功能区两类的聚类，得到两个聚类的类簇；
[0007]其次，采用功能区属性分类算法进行导联类别分类：对患者各导联ECoG数据预处理，每两秒的数据看做一个样本，对每一个样本提取时域统计量(总和、均值、方差、标准差、最大值、最小值)和脑电信号中常见的节律(α，β，γ，θ，δ)的能量作为特征，并使用PCA降维，降维后的特征保留原始特征85％的方差信息；使用预训练好的SVM分类模型计算导联属性，当某一导联的样本被分到功能区的占比大于等于0.5时，认为该导联属于功能区，否则属于非功能区，得到功能区和非功能区两个类别；
[0008]最后，采用ECoG术中脑功能定位集成算法将聚类的类簇匹配功能区属性：得到了边界聚类的两个类簇和属性分类的两个类别之后，分别计算两个类簇和分类的两个类别的相似度，相似度较高的那个类别的属性就看做是类簇的属性，并且把带属性的聚类的类簇的结果看作是最终的脑功能定位结果；
[0009]进一步地，所述的一种基于聚类和分类算法的ECoG术中脑功能定位方法，其特征在于，所述功能区边界聚类算法流程，具体为：
[0010]S11、对患者各导联ECoG数据进行预处理；
[0011]S12、对预处理后的各导联ECoG数据使用db3小波进行6层小波分解，并且提取各单子频带的能量占比作为特征；
[0012]S13、使用层次聚类的方法对该患者所有导联数据进行两类的聚类，得到两个聚类类簇。
[0013]进一步地，所述的一种基于聚类和分类算法的ECoG术中脑功能定位方法，其特征在于，所述功能区属性分类算法流程，具体为：
[0014]S21、对患者各导联数据进行预处理；
[0015]S22、对各导联数据按照每2秒划分为一个样本；
[0016]S23、对每个样本提取时域统计量和节律能量作为特征，并且使用PCA
[0017]降维；
[0018]S24、使用预训练好的SVM分类模型判断导联的属性(当某一导联的样本被分到功能区的占比大于等于0.5时，认为该导联属于功能区，否则属于非功能区)，得到两个分类类别。
[0019]进一步地，所述步骤S11中，ECoG数据采样具体为：向患者硬膜下植入铂电极阵列(subdural electrode arrays；Ad
‑
Tech，Racine，WI，USA)，电极有着4mm直径和10mm的电极间距离；ECoG数据采样频率为500Hz。开颅手术后，在每位患者的大脑皮质下安放硬膜下电极阵列；麻醉后唤醒患者，采在患者静息状态下，术中神经电生理检测仪(Endeavor Bravo，Nicolet公司，美国)采集到的ECoG信号，得到患者静息态的ECoG。ECoG数据预处理具体为：首先进行1Hz高通滤波处理、其次进行49
‑
51Hz的陷波滤波处理，最后进行ICA滤波处理。
[0020]进一步地，所述步骤S12具体为：选定db3小波基，对其脑电信号做6层小波分解之后，提取各层的细节系数和逼近系数，重构各层的系数对应的单子频带信号，计算各层信号的能量占比作为原始特征。
[0021]进一步地，所述步骤S13具体为：使用的聚类方法为层次聚类，并且通过网格搜索找到的聚类的最优参数为：affinity＝“euclidean”、linkage＝“ward”。
[0022]进一步地，所述步骤S21中，ECoG数据采样具体为：向患者硬膜下植入铂电极阵列(subdural electrode arrays；Ad
‑
Tech，Racine，WI，USA)，电极有着4mm直径和10mm的电极间距离；ECoG数据采样频率为500Hz。开颅手术后，在每位患者的大脑皮质下安放硬膜下电极阵列；麻醉后唤醒患者，采在患者静息状态下，术中神经电生理检测仪(Endeavor Bravo，Nicolet公司，美国)采集到的ECoG信号，得到患者静息态的ECoG。ECoG数据预处理具体为：首先进行1Hz高通滤波处理、其次进行49
‑
51Hz的陷波滤波处理，最后进行ICA滤波处理。
[0023]进一步地，所述步骤S24中预训练SVM分类模型具体为：使用预先收集的ECoG数据作为训练模型的数据。首先，把数据按照患者划分成训练集和测试集。其次，对训练集和测试集数据预处理和划分样本。再次，对所有的样本提取时域统计量(总和、均值、方差、标准差、最大值、最小值)和节律能量(α，β，γ，θ，δ)特征，并且使用PCA降维，降维后的特征保留原始特征85％的方差信息。最后，使用网格搜索对SVM的关键参数进行寻优，使测试集准确率最高的SVM参数为最优参数，找到SVM的最优参数为(C＝1，gamma＝
’
auto
’
，Kernel＝
’
rbf
’
)，完成分类模型的训练。
[0024]本专利技术的工作过程：
[0025]首先，采用功能区边界聚类算法进行导联类别聚类：首先截取患者的静息态ECoG数据并进行预处理，预处理的过程如下：1HZ高通滤波，49
‑
51Hz本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于聚类和分类算法的ECoG术中脑功能定位方法，其特征在于，包括以下步骤：进行导联类别聚类：对患者各导联ECoG数据进行聚类预处理，进行功能区与非功能区两类的聚类，得到两个聚类的类簇；进行导联属性类别分类：对患者各导联ECoG数据进行分类预处理，对每一个样本提取时域统计量和脑电信号中常见的节律的能量作为特征并使用PCA降维，使用预训练好的SVM分类模型计算导联属性，得到功能区和非功能区两个类别；采用ECoG术中脑功能定位集成方法将聚类的类簇匹配功能区的属性：得到边界聚类的两个类簇和属性分类的两个属性类别，分别计算两个类簇和分类的两个属性类别的相似度，相似度较高的类别的属性看做是类簇的属性，并且把带属性的聚类类簇的结果作为最终的脑功能定位结果。2.根据权利要求1所述的一种基于基于聚类和分类算法的ECoG术中脑功能定位方法，其特征在于，所述进行导联类别聚类采用功能区边界聚类算法，具体为：S11、对患者各导联ECoG数据进行采样和预处理；S12、对预处理后的各导联ECoG数据使用db3小波进行6层小波分解，并且提取各单子频带的能量占比作为特征；S13、使用层次聚类的方法对该患者所有导联数据进行两类的聚类，得到两个聚类类簇。3.根据权利要求2所述的一种基于聚类和分类算法的ECoG术中脑功能定位方法，其特征在于，所述步骤S11中，ECoG数据采样具体为：向患者硬膜下植入铂电极阵列，电极有着4mm直径和10mm的电极间距离；ECoG数据采样频率为500Hz；开颅手术后，在每位患者的大脑皮质下安放硬膜下电极阵列；麻醉后唤醒患者，采在患者静息状态下，术中神经电生理检测仪采集到的ECoG信号，得到患者静息态的ECoG；ECoG数据预处理具体为：进行1Hz高通滤波处理，其次进行49
‑
51Hz的陷波滤波处理，最后进行ICA滤波处理，得到预处理后的各导联ECoG数据。4.根据权利要求2所述的一种基于聚类和分类算法的ECoG术中脑功能定位方法，其特征在于，所述步骤S12具体为：选定db3小波基，对其脑电信号做6层小波分解之后，提取各层的细节系数和逼近系数，重构各层的系数对应的单子频带信号，计算各层信号的能量占比作为边界聚类特征。5.根据权利要求2所述的一种基于聚类和分类算法的ECoG术中脑功能定位方法，其特征在于，所述步骤S13具体为：使用的聚类方法为层次聚类算法，并...

【专利技术属性】
技术研发人员：姜涛，许永川，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：