一种脑电背景检测分析方法、系统、存储介质及设备技术方案

本发明专利技术提供了一种脑电背景检测分析方法、系统、存储介质及设备，该方法包括：获取医疗数据库中的脑电数据，并获取由标注人员对脑电数据进行标注后的脑电背景数据；对脑电背景数据进行切片处理以及降维处理，提取脑电背景数据特征以制作用于模型训练的脑电背景数据集；搭建脑电背景分类模型，以通过脑电背景分类模型对脑电背景数据进行分类；搭建以双枕O1、O2导联为主，其余导联为辅的多导联投票规则的脑电背景判定模型；通过脑电背景判定模型对脑电背景数据进行检测与分析，以至少获取脑电背景中的频率特征与幅值特征。本发明专利技术能够显著提升了人工对海量脑电数据的筛选和分析效率，大大降低了对脑电数据进行分析的时间和经济成本。低了对脑电数据进行分析的时间和经济成本。低了对脑电数据进行分析的时间和经济成本。

【技术实现步骤摘要】
一种脑电背景检测分析方法、系统、存储介质及设备


[0001]本专利技术涉及数据处理
，特别涉及一种脑电背景检测分析方法、系统、存储介质及设备。

技术介绍

[0002]癫痫俗称“羊角风”或“羊癫风”，是由于大脑神经元突发性异常放电导致的一种短暂大脑功能性障碍的慢性疾病。根据中国最新流行病学资料显示，国内癫痫的总体患病率约为7
‰
，年发病率为28.8/10万，1年内有发作的活动性癫痫患病率为4.6
‰
。据此估计中国约有900万左右的癫痫患者，其中500～600万是活动性癫痫患者，同时每年新增加癫痫患者约40万，在中国癫痫已经成为神经科仅次于头痛的第二大常见病。因此，对癫痫脑电数据研究具有重要意义。
[0003]脑电波由脑电帽上的电极片采集，很多医院使用的脑电设备是标准10
‑
20系统，其中，“10”和“20”指的是相邻电极之间的实际距离是颅骨前后或左右总距离的10％或20％。
[0004]当前对癫痫相关的脑电数据研究有以下几个方向：一个是癫痫发作波形的研究，如对常见的尖波、棘波或尖慢波、棘慢波、多棘慢波等复合波形的检测识别；一个是对常见或典型的癫痫病发作波的检测，用于自动快速检测出癫痫发作波的位置所在；还有一些是对脑电数据中异常波形的检测，包括对各种脑电伪差的检测。
[0005]现有技术中，相关领域对于脑电背景的研究较少，医师分析脑电数据的效率较低，阅读脑电数据的时间与经济成本较高。

技术实现思路

[0006]基于此，本专利技术的目的是提供一种脑电背景检测分析方法，旨在解决现有技术中所记载的技术问题。
[0007]本专利技术的第一方面主题医院提供一种脑电背景检测分析方法，所述方法包括：
[0008]获取医疗数据库中以预设形式进行存储的脑电数据，并获取由标注人员对所述脑电数据进行标注后的脑电背景数据；
[0009]对所述脑电背景数据进行切片处理，通过最大三角形三桶下采样法对切片处理后的所述脑电背景数据进行降维处理，提取脑电背景数据特征以制作用于模型训练的脑电背景数据集；
[0010]搭建脑电背景分类模型，以通过所述脑电背景分类模型对所述脑电背景数据进行分类；
[0011]搭建以双枕O1、O2导联为主，其余导联为辅的多导联投票规则的脑电背景判定模型；
[0012]根据所述多导联投票规则，通过所述脑电背景判定模型对所述脑电背景数据进行检测与分析，以至少获取脑电背景中的频率特征与幅值特征，并将其进行可视化展示。
[0013]根据上述技术方案的一方面，获取医疗数据库中以预设形式进行存储的脑电数
据，并获取由标注人员对所述脑电数据进行标注后的脑电背景数据的步骤中，所述脑电背景数据为患者处于睡眠且清醒阶段的脑电数据。
[0014]根据上述技术方案的一方面，对所述脑电背景数据进行切片处理，通过最大三角形三桶下采样法对切片处理后的所述脑电背景数据进行降维处理，提取脑电背景数据特征以制作用于模型训练的脑电背景数据集的步骤，具体包括：
[0015]将所述脑电背景数据切为n片，每片所述脑电背景数据的长度为1秒；
[0016]获取每片所述脑电背景数据的1000个脑电背景数据特征，通过最大三角形三桶下采样法将1000个脑电背景数据特征降维至128个脑电背景数据特征；
[0017]提取降维处理后的脑电背景数据特征制作脑电背景数据集以用于训练脑电背景分类模型。
[0018]根据上述技术方案的一方面，设定以双枕O1、O2导联为主，其余导联为辅的多导联投票规则的脑电背景判定模型的步骤，具体包括：
[0019]分别设定O1、O2导联以及其余导联的投票权重；
[0020]基于各导联的投票权重分配进行导联的评分计算。
[0021]根据上述技术方案的一方面，基于各导联的投票权重分配进行导联的评分计算的步骤，具体包括：
[0022]设Dpq为q∈[[0,1],[1,2],[2,3],...]单位时间段q上p导联通过所述脑电背景分类模型的输出结果，其中1＝<p<＝r，r为导联的数量；
[0023][0024]当检测结果为脑电背景数据输出1，否则输出0，如公式(1)所示；
[0025]各导联的最终投票权重如公式(2)所示：
[0026][0027]最终所有导联投票评分相加，结果如公式(3)所示：
[0028][0029]其中，s为q时间段、r个导联的最终评分，设定导联评分的阈值为δ，当s>δ时，判定时间段q上的脑电数据为脑电背景数据。
[0030]根据上述技术方案的一方面，根据所述多导联投票规则，通过所述脑电背景判定模型对所述脑电背景数据进行检测与分析，以至少获取脑电背景中的频率特征与幅值特征，并将其进行可视化展示的步骤，具体包括：
[0031]通过所述脑电背景判定模型对所述脑电背景数据进行滤波处理；
[0032]在对所述脑电背景数据进行滤波处理后，计算所述脑电背景数据的极值点；
[0033]根据所述脑电背景数据的极值点，确定所述脑电背景数据中的频率特征与幅值特
征并进行可视化展示。
[0034]根据上述技术方案的一方面，根据所述脑电背景数据的极值点，确定所述脑电背景数据中的频率特征与幅值特征并进行可视化展示的步骤中：
[0035]所述频率特征的计算公式为：
[0036]p＝m/(t2
‑
t1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0037]其中，p为一时间段上的频率特征，m为极大值数量，t1、t2为脑电分类模型输入数据的起始和结束时刻；
[0038]所述幅值特征的计算公式为：
[0039]f＝(max(M(i))
‑
min(N(j)))/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0040]其中，f为一时间段的幅值特征，max(M(i))为求极大值的最大值，min(N(j))为求极小值的最小值，i为极大值的序号，j为极小值的序号。
[0041]本专利技术的第二方面在于提供一种脑电背景检测分析系统，所述系统包括：
[0042]数据获取模块，用于获取医疗数据库中以预设形式进行存储的脑电数据，并获取由标注人员对所述脑电数据进行标注后的脑电背景数据；
[0043]数据处理模块，用于对所述脑电背景数据进行切片处理，通过最大三角形三桶下采样法对切片处理后的所述脑电背景数据进行降维处理，提取脑电背景数据特征以制作用于模型训练的脑电背景数据集；
[0044]第一模型搭建模块，用于搭建脑电背景分类模型，以通过所述脑电背景分类模型对所述脑电背景数据进行分类；
[0045]第二模型搭建模块，用于搭建以双枕O1、O2导联为主，其余导联为辅的多导联投票规则的脑电背景判定模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑电背景检测分析方法，其特征在于，所述方法包括：获取医疗数据库中以预设形式进行存储的脑电数据，并获取由标注人员对所述脑电数据进行标注后的脑电背景数据；对所述脑电背景数据进行切片处理，通过最大三角形三桶下采样法对切片处理后的所述脑电背景数据进行降维处理，提取脑电背景数据特征以制作用于模型训练的脑电背景数据集；搭建脑电背景分类模型，以通过所述脑电背景分类模型对所述脑电背景数据进行分类；搭建以双枕O1、O2导联为主，其余导联为辅的多导联投票规则的脑电背景判定模型；根据所述多导联投票规则，通过所述脑电背景判定模型对所述脑电背景数据进行检测与分析，以至少获取脑电背景中的频率特征与幅值特征，并将其进行可视化展示。2.根据权利要求1所述的脑电背景检测分析方法，其特征在于，获取医疗数据库中以预设形式进行存储的脑电数据，并获取由标注人员对所述脑电数据进行标注后的脑电背景数据的步骤中，所述脑电背景数据为患者处于睡眠且清醒阶段的脑电数据。3.根据权利要求1所述的脑电背景检测分析方法，其特征在于，对所述脑电背景数据进行切片处理，通过最大三角形三桶下采样法对切片处理后的所述脑电背景数据进行降维处理，提取脑电背景数据特征以制作用于模型训练的脑电背景数据集的步骤，具体包括：将所述脑电背景数据切为n片，每片所述脑电背景数据的长度为1秒；获取每片所述脑电背景数据的1000个脑电背景数据特征，通过最大三角形三桶下采样法将1000个脑电背景数据特征降维至128个脑电背景数据特征；提取降维处理后的脑电背景数据特征制作脑电背景数据集以用于训练脑电背景分类模型。4.根据权利要求1所述的脑电背景检测分析方法，其特征在于，设定以双枕O1、O2导联为主，其余导联为辅的多导联投票规则的脑电背景判定模型的步骤，具体包括：分别设定O1、O2导联以及其余导联的投票权重；基于各导联的投票权重分配进行导联的评分计算。5.根据权利要求4所述的脑电背景检测分析方法，其特征在于，基于各导联的投票权重分配进行导联的评分计算的步骤，具体包括：设Dpq为q∈[[0,1],[1,2],[2,3],...]单位时间段q上p导联通过所述脑电背景分类模型的输出结果，其中1＝<p<＝r，r为导联的数量；当检测结果为脑电背景数据输出1，否则输出0，如公式(1)所示；各导联的最终投票权重如公式(2)所示：
最终所有导联投票评分相加，结果如公式(3)所示：其中，s为q时间段、r个导联的最终评分，设定导联评分的阈值为δ，当s>δ时，判定时间段q上的脑电数据为脑电背景数据。6.根据权利要求1所述...

【专利技术属性】
技术研发人员：刘晓梅，高园岗，李丽君，李介，敖凌翔，张恒星，刘丹，史绍阳，
申请(专利权)人：郑州中业科技股份有限公司，
类型：发明
国别省市：