新生儿临床视频脑电图自动分析的方法及设备技术

本申请涉及一种新生儿临床视频脑电图自动分析的方法及装置，新生儿临床视频脑电图自动分析的方法包括：获取原始脑电图信号；对原始脑电图信号进行预处理，得到处理信号；对处理信号进行特征提取，得到神经信号特征；将神经信号特征分别输入到预先训练的第一预测模型、第二预测模型、第三预测模型和受孕龄预测模型中进行分析，对应得到第一预测结果、第二预测结果、第三预测结果和受孕龄预测结果；根据第一预测结果、第二预测结果和第三预测结果，确定预测结论，根据预测结论和受孕龄预测结果确定分析结果。如此，实现了对新生儿临床视频脑电图的自动、快速、一体化分析，有效提高了对新生儿脑电图的判读范围和准确率。了对新生儿脑电图的判读范围和准确率。了对新生儿脑电图的判读范围和准确率。

【技术实现步骤摘要】
新生儿临床视频脑电图自动分析的方法及设备


[0001]本申请涉及信息处理
，具体涉及一种新生儿临床视频脑电图自动分析的方法及设备。

技术介绍

[0002]在神经系统相关疾病中，脑电监测是判断新生儿脑病病因的很重要的辅助诊断手段。脑电图(Electroencephalography，EEG)的监护仪易于设置和维护，可在床旁工作数小时或数天。通过脑电原始信号中波的振幅、频谱、对称性等初始信号特征，可以用于判断患者的醒睡周期、癫痫发作、局灶/多灶性放电信号、爆发抑制、背景活动、脑成熟度等临床信号特征。新生儿脑电图监测广泛应用于相关疾病诊断中，特别是在新生儿重症监护病房中，连续EEG监测被广泛应用于癫痫、脑病和中枢神经系统感染等新生儿神经系统疾病的诊断。新生儿脑电处于发育阶段，不同受孕龄患儿的背景活动及波形均有不同，判读新生儿脑电图的难度较大，因此通常需要判读者具有丰富的判读经验。
[0003]目前，新生儿病房通常面临的情况是：患儿病情严重，而熟练阅读新生儿脑电图的医生非常少，即使是熟练的脑电图医生判读一份脑电图也需要大量的时间。因此，急需有快速辨别新生儿脑功能的方法，以便于新生儿科临床医生可以根据辨别结果快速做出应对，及时处理危重病人，或及时请脑电图医生进行深入判读。
[0004]相关技术中，现有的振幅整合脑电图可以快速初步判读新生儿脑电图。然而，并非所有的新生儿中至重度的脑电图都可以适用于振幅整合脑电图的分类，并且，新生儿惊厥也并非都表现为下边界突然抬高，振幅整合脑电图的辨别仍存在着很多不足之处。<br/>
技术实现思路

[0005]有鉴于此，本申请的目的在于克服现有的振幅整合脑电图对新生儿脑电图判读不足的技术问题，提供一种新生儿临床视频脑电图自动分析的方法及设备。
[0006]为实现以上目的，本申请采用如下技术方案：
[0007]本申请的第一方面提供一种新生儿临床视频脑电图自动分析的方法，包括：
[0008]获取原始脑电图信号；
[0009]对所述原始脑电图信号进行预处理，得到处理信号；
[0010]对所述处理信号进行特征提取，得到神经信号特征；
[0011]将所述神经信号特征分别输入到预先训练的第一预测模型、第二预测模型、第三预测模型和受孕龄预测模型中进行分析，对应得到第一预测结果、第二预测结果、第三预测结果和受孕龄预测结果；
[0012]根据所述第一预测结果、所述第二预测结果和所述第三预测结果，确定预测结论，根据所述预测结论和所述受孕龄预测结果确定分析结果。
[0013]可选的，所述对所述原始脑电图信号进行预处理，得到处理信号，包括：
[0014]检测所述原始脑电图信号中是否存在符合预设异常条件的信号，若存在，对符合
所述预设异常条件的信号进行伪差去除处理，得到第一脑电图信号；
[0015]对所述第一脑电图信号进行滤波处理，得到第二脑电图信号；
[0016]对所述第二脑电图信号进行降采样处理，得到所述处理信号。
[0017]可选的，所述预设异常条件包括：
[0018]信号通道的相关系数低于第一阈值；
[0019]或者，信号通道的功率低于第二阈值；
[0020]或者，信号为零点或常数值的持续出现时间超过第三阈值；
[0021]或者，同一信号通道中信号突变次数超过第四阈值；所述信号突变包括：第一预设时间段内信号振幅超过第五阈值，或者，第二预设时间段内电压值差超过第六阈值；
[0022]或者，眼动干扰的相关性超过第七阈值。
[0023]可选的，所述第一预测模型、所述第二预测模型、所述第三预测模型和所述受孕龄预测模型的训练方法包括：
[0024]获取第一原始数据集、第二原始数据集和第三原始数据集和原始受孕龄数据集；
[0025]利用特征选择方法，分别对所述第一原始数据集、所述第二原始数据集、所述第三原始数据集和所述原始受孕龄数据集中的数据进行处理，对应得到第一训练数据集、第二训练数据集、第三训练数据集和受孕龄训练数据集；
[0026]基于所述第一训练数据集、所述第二训练数据集、所述第三训练数据集和所述受孕龄训练数据集，分别对GBM模型进行训练，并基于交叉验证策略对训练模型的参数进行优化，分别得到所述第一预测模型、所述第二预测模型、所述第三预测模型和所述受孕龄预测模型。
[0027]可选的，所述特征选择方法包括后向选择策略。
[0028]可选的，所述第一预测结果包括重度异常和其他；所述第二预测结果包括中度异常和其他；所述第三预测结果包括轻度异常和正常。
[0029]可选的，所述根据所述第一预测结果、所述第二预测结果和所述第三预测结果，确定预测结论，包括：
[0030]若所述第一预测结果为重度异常，则所述预测结论为重度异常；
[0031]若所述第一预测结果为其他，所述第二预测结果为中度异常，则所述预测结论为中度异常；
[0032]若所述第一预测结果为其他，所述第二预测结果为其他，所述第三预测结果为轻度异常，则所述预测结论为轻度异常；
[0033]若所述第一预测结果为其他，所述第二预测结果为其他，所述第三预测结果为正常，则所述预测结论为正常。
[0034]本申请的第二方面提供一种新生儿临床视频脑电图自动分析的设备，包括：
[0035]处理器，以及与所述处理器相连接的存储器；
[0036]所述存储器用于存储计算机程序；
[0037]所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如本申请的第一方面所述的方法。
[0038]本申请提供的技术方案可以包括以下有益效果：
[0039]本申请的方案中，预先训练了针对新生儿脑电图识别的第一预测模型、第二预测
模型、第三预测模型和受孕龄预测模型，基于此，在获取到新生儿的原始脑电图信号后，可以先对原始脑电图信号进行预处理，以滤除无效信号。经过预处理后得到处理信号，并对处理信号进行特征提取，得到神经信号特征，将神经信号特征分别输入到第一预测模型、第二预测模型、第三预测模型和受孕龄预测模型中进行分析，可以对应得到四种输出结果：第一预测结果、第二预测结果、第三预测结果和受孕龄预测结果。根据第一预测结果、第二预测结果和第三预测结果可以确定出预测结论，根据预测结论和受孕龄预测结果，就可以确定出分析结果。如此，通过提取新生儿脑电信号的特征值，利用预先训练好的模型就可以实现对新生儿临床视频脑电图的自动、快速、一体化分析，有效提高了对新生儿脑电图的判读范围和准确率。
附图说明
[0040]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1是本申请一个实施例提供的一种新生儿临床视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新生儿临床视频脑电图自动分析的方法，其特征在于，包括：获取原始脑电图信号；对所述原始脑电图信号进行预处理，得到处理信号；对所述处理信号进行特征提取，得到神经信号特征；将所述神经信号特征分别输入到预先训练的第一预测模型、第二预测模型、第三预测模型和受孕龄预测模型中进行分析，对应得到第一预测结果、第二预测结果、第三预测结果和受孕龄预测结果；根据所述第一预测结果、所述第二预测结果和所述第三预测结果，确定预测结论，根据所述预测结论和所述受孕龄预测结果确定分析结果。2.根据权利要求1所述的新生儿临床视频脑电图自动分析的方法，其特征在于，所述对所述原始脑电图信号进行预处理，得到处理信号，包括：检测所述原始脑电图信号中是否存在符合预设异常条件的信号，若存在，对符合所述预设异常条件的信号进行伪差去除处理，得到第一脑电图信号；对所述第一脑电图信号进行滤波处理，得到第二脑电图信号；对所述第二脑电图信号进行降采样处理，得到所述处理信号。3.根据权利要求2所述的新生儿临床视频脑电图自动分析的方法，其特征在于，所述预设异常条件包括：信号通道的相关系数低于第一阈值；或者，信号通道的功率低于第二阈值；或者，信号为零点或常数值的持续出现时间超过第三阈值；或者，同一信号通道中信号突变次数超过第四阈值；所述信号突变包括：第一预设时间段内信号振幅超过第五阈值，或者，第二预设时间段内电压值差超过第六阈值；或者，眼动干扰的相关性超过第七阈值。4.根据权利要求1所述的新生儿临床视频脑电图自动分析的方法，其特征在于，所述第一预测模型、所述第二预测模型、所述第三预测模型和所述受孕龄预测模型的训练方法包括：获取第一原始数据集、第二原始数据集和第三原始数据集和原始受孕龄数据集；利用特征选择方法...

【专利技术属性】
技术研发人员：董欣然，周文浩，程国强，孔燕婷，许艳，肖甜甜，卢宇蓝，
申请(专利权)人：复旦大学附属儿科医院，
类型：发明
国别省市：