【技术实现步骤摘要】
基于神经网络的脑电图数据存储和传输方法及系统
[0001]本专利技术涉及脑电信号处理领域，具体为一种基于神经网络的脑电图数据存储和传输方法及系统。
技术介绍
[0002]脑电图可以反映患者的病情信息，属于患者的隐私，在传输和存储过程中对其安全性要求较高；但现阶段存储和传输脑电图的主要方法是直接基于患者的脑电波数据信号或脑电图像进行，安全性较低。
技术实现思路
[0003]为了解决上述问题，本专利技术提出一种基于神经网络的脑电图数据存储和传输方法，该方法包括：以波峰或波谷点为划分点对脑电波进行子波划分；基于子波的幅值和长度获取任意两子波间的第一关联信息和第二关联信息，基于子波类型获取任意两子波间的第三关联信息；生成HSV图像，所述HSV图像中第i行第j列像素位置的色调值、明度值和饱和度值分别为第i个子波与第j个子波间的第一关联信息、第二关联信息和第三关联信息；压缩HSV图像后进行存储和/或传输。
[0004]优选地，基于子波的幅值和长度将子波映射为二维坐标点，根据任意两子波的二维坐标获取关联向量，所述关联向量的方向和大小分别为第一关联信息和第二关联信息。
[0005]优选地，任意两子波类型的差异为所述任意两子波间的第三关联信息，其中，以不同的数值表示不同的子波类型，数值差值为两子波类型的差异。
[0006]优选地，利用自编码网络对HSV图像进行压缩，对压缩数据和目标子波的幅值和长度进行存储和/或传输；所述目标子波为对所有子波的二维坐标点进行聚类得到的聚类中心点对应的子波。>[0007]优选地，所述方法还包括对压缩数据进行恢复：在HSV图像中确定目标子波所在目标行或目标列；基于目标子波的幅值、长度和类别、目标行或目标列中的像素值对其他子波的幅值、长度和类别进行反推恢复。
[0008]优选地，在V通道中计算每行或每列像素的像素和，像素和最小的行或列为目标行或目标列。
[0009]优选地，所述目标子波为正常子波。
[0010]优选地，根据当前子波和相邻子波的波形特征确定当前子波的类型。
[0011]本专利技术还提出一种基于神经网络的脑电图数据存储和传输系统，该系统包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现基于神经网络的脑电图数据存储和传输方法的步骤。
[0012]本专利技术的有益效果在于：1.本专利技术得到的HSV图像中，每个子波与其他多个子波相关联，在丢失少量数据的情况下仍可通过未丢失数据获取所需子波的信息，大大提高了数据传输和存储过程中的准确率和容错性。
[0013]2.本专利技术对患者的脑电波数据进行两次加密，首先基于脑电波数据生成HSV图像，对脑电波数据进行加密，再利用自编码网络将HSV图像转换成存储或传输的特征数据，对HSV图像再次加密，提高了脑电波数据存储和传输的安全性。
附图说明
[0014]图1为本专利技术方法实施流程图。
具体实施方式
[0015]为了让本领域技术人员更好的理解本专利技术，下面结合实施例对本专利技术进行详细描述。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0016]实施例一：该实施例提供了一种基于神经网络的脑电图数据存储和传输方法，该方法实施流程如图1所示，具体地，该方法包括：1)获取癫痫患者的头皮电极脑电图，以波峰或波谷点为划分点对脑电图中每条脑电波进行子波划分。
[0017]对于癫痫患者，采集该患者的头皮电极脑电图时，基于头皮上的多个电极，可得到包含多条脑电波的脑电图，对于每条脑电波，以波峰或波谷点为划分点对脑电波进行子波划分，实施例中波峰为划分点进行子波划分，具体地，两个相邻波谷点和之间所有表示脑电波的连续黑色像素点为一段子波；一条脑电波进行子波划分后得到N个子波，按照时序对子波进行标号。
[0018]其中，寻找波峰波谷的方法为：脑电图中的像素点只包含两种颜色，即表示脑电波的黑色像素点，表示非脑电波的白色像素点；对于脑电图中的每个黑色像素点，可得到其8邻域内的像素点颜色，当黑色像素点的上邻域像素点均为白色时，该黑色像素点对应为波峰点；下邻域像素点均为白色时，该黑色像素点对应为波谷点；进一步地，可得到脑电波上的每个波峰点、波谷点在图像中的像素点坐标。
[0019]2)获取一条脑电波中各子波的幅值、长度和类型。
[0020]根据波峰点和相邻波谷点之间的纵坐标之差，以及脑电图纵坐标与幅值之间的对应关系，得到每个子波的幅值h；根据两个相邻波谷点之间的横坐标之差，以及脑电图横坐标与实际时间之间的对应关系，可得到每个子波的周期t，周期反映子波的长度。
[0021]正常子波的幅值和周期均保持相对一致，而异常子波的幅值和周期变化较大。因此，以子波长度t为横坐标，幅值h为纵坐标，将N个子波的信息（t，h）显示在二维坐标系中，即基于子波的幅值和长度将子波映射为二维坐标点，对所有子波的二维坐标点进行聚类，找到聚类中心点和离群点，则聚类中心点对应的子波为目标子波，目标子波为正常子波，，目标子波用于后续压缩数据的恢复，离群点对应的子波为异常子波；因此，需要进一步
的确定每个异常子波的类型，具体地，根据当前异常子波和相邻子波的波形特征确定当前异常子波的类型：癫痫患者脑电图异常主要可见棘波、尖波、棘慢波、尖慢波、多棘慢波和高度节律失调；其中，棘慢波、尖慢波、多棘慢波是以棘波和尖波为基础，与高幅值慢波相结合的复合波，因此，首先通过判断每个异常子波是否为高幅值慢波对异常子波进行初步区分：高幅值慢波的特征为，幅值远大于正常波的幅值且长度较大。由先验知识可知，高幅值慢波的幅值应大于100μV，慢波长度应大于200ms。基于上述得到的子波的信息（t，h），判断异常子波是否满足幅值h>100μV，周期t>200ms的条件，若满足，则可判断其为高幅值慢波。
[0022]通过高幅值慢波的检测可将脑电波分为两类，第一类是不包含高幅值慢波的棘波、尖波和高度节律失调，第二类是包含高幅值慢波的棘慢波、尖慢波和多棘慢波。对于第一类异常脑电波，棘波和尖波的差异是尖波类型不同；对于第二类异常脑电波，尖慢波和棘慢波的差异是高幅值慢波相邻尖刺的类型不同，而多棘慢波和棘慢波的差异是棘波尖刺的个数不同。
[0023](一)对于不是高幅值慢波的异常子波，需要先判断当前异常子波是否为尖刺：a)若是尖刺，则确定尖刺的类型，结合相邻子波的类型确定该异常子波的类型，具体地，若该异常子波为尖刺且尖刺类型为棘波类尖刺，且该异常子波的相邻子波不是高幅值慢波，则该异常子波为棘波尖刺；若该异常子波为尖刺且尖刺类型为尖波类尖刺，且该异常子波的相邻子波不是高幅值慢波，则该异常子波为尖波尖刺；若该异常子波为尖刺且尖刺类型为棘波类尖刺，且该异常子波的相邻子波是高幅值慢波，则该异常子波为棘慢波尖刺；若该异常子波为尖刺且尖刺类型为尖波类尖刺，且该异常子波的相邻子波是本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的脑电图数据存储和传输方法，其特征在于，该方法包括：以波峰或波谷点为划分点对脑电波进行子波划分；基于子波的幅值和长度获取任意两子波间的第一关联信息和第二关联信息，基于子波类型获取任意两子波间的第三关联信息；生成HSV图像，所述HSV图像中第行第列像素位置的色调值、明度值和饱和度值分别为第个子波与第个子波间的第一关联信息、第二关联信息和第三关联信息；压缩HSV图像后进行存储和/或传输。2.如权利要求1所述的方法，其特征在于，基于子波的幅值和长度将子波映射为二维坐标点，根据任意两子波的二维坐标获取关联向量，所述关联向量的方向和大小分别为第一关联信息和第二关联信息。3.如权利要求2所述的方法，其特征在于，任意两子波类型的差异为所述任意两子波间的第三关联信息，其中，以不同的数值表示不同的子波类型，数值差值为两子波类型的差异。4.如权利要求3所述的方法，其特征在于，利用自编码网络对HSV图像进行压缩，对压缩数据和目...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。