癫痫间期脑电波异常信号的定位方法、装置、设备及介质制造方法及图纸

本申请公开了一种癫痫间期脑电波异常信号的定位方法、装置、设备及介质。该方法包括：获取多个电极采集到的目标对象在癫痫发作间期的脑电波信号；对每个电极采集到的脑电波信号进行独立分量分析，去除每个电极采集到的脑电波信号中的伪差信号，得到每个电极的增强信号；基于多个小波基底提取每个电极的增强信号的特征，得到每个电极的多个特征序列，多个小波基底中部分小波基底为异常脑电波形的波形基底；基于每个电极的特征序列分析脑电波信号中的异常信号，确定异常信号的放电时间及采集异常信号的目标电极；基于放电时间和目标电极对异常信号进行定位，得到定位位置。本申请所提供的方案能够提高脑电波信号中异常信号的定位精准度。定位精准度。定位精准度。

【技术实现步骤摘要】
癫痫间期脑电波异常信号的定位方法、装置、设备及介质


[0001]本申请属于信号处理领域，尤其涉及一种癫痫间期脑电波异常信号的定位方法、装置、设备及介质。

技术介绍

[0002]癫痫是大脑神经元突发性异常放电，导致短暂的出现大脑功能障碍的一种慢性疾病。在相关技术中，通过对患者的脑电信号进行分析，可有助于研究患者的病情，分析治疗效果。
[0003]由于脑电图（EEG，Electroencephalogram）具有技术成熟、操作简便、非侵入性等特点，因此，在癫痫诊断领域，通常使用脑电图来对患者进行病情分析。然而，对于发作间隔长、发作次数少的癫痫类别，即使通过长程EEG监测也很难捕捉到一次癫痫发作，临床医生通常仅能通过捕捉间期癫痫性放电的方式来对患者进行确诊。因此，癫痫间期放电信号的识别和定位是诊断患者是否患有一类癫痫疾病的关键。
[0004]然而，脑电波信号的监测时间较长、数据量较大，且缺乏定量化和自动化检测手段，在相关技术中，通常采用人工主观判断癫痫间期的放电信号，并手动标注的方式来对癫痫间期放电信号进行定位。而该方式需要人工耗费较长的时间读脑电图，而且，脑电图的长度通常较长，人工主观判断和手动标注的放电信号存在误差，无法对癫痫间期的放电信号进行精准定位。

技术实现思路

[0005]本申请实施例提供一种癫痫间期脑电波异常信号的定位方法、装置、设备及介质，能够提高脑电波信号中异常信号的定位精准度。
[0006]第一方面，本申请实施例提供一种癫痫间期脑电波异常信号的定位方法，该方法包括：获取多个电极所采集到的目标对象在癫痫发作间期的脑电波信号，其中，多个电极分别设置在目标对象头部的不同位置；对每个电极所采集到的脑电波信号进行独立分量分析，从每个电极所采集到的脑电波信号中去除伪差信号，得到每个电极所对应的增强信号；基于预设的多个小波基底对每个电极所对应的增强信号进行特征提取，得到每个电极所对应的多个特征序列，其中，多个小波基底中的部分小波基底为异常脑电波形所对应的波形基底；基于每个电极所对应的特征序列对脑电波信号中的异常信号进行分类，确定脑电波信号中的异常信号的放电时间，以及采集异常信号的目标电极；基于放电时间和目标电极对异常信号进行定位，得到定位位置。
[0007]第二方面，本申请实施例提供了一种癫痫间期脑电波异常信号的定位装置，该装置包括：信号获取模块，用于获取多个电极所采集到的目标对象在癫痫发作间期的脑电波信号，其中，多个电极分别设置在目标对象头部的不同位置；分量分析模块，用于对每个电极所采集到的脑电波信号进行独立分量分析，从每个电极所采集到的脑电波信号中去除伪差信号，得到每个电极所对应的增强信号；特征提取模块，用于基于预设的多个小波基底对
每个电极所对应的增强信号进行特征提取，得到每个电极所对应的多个特征序列，其中，多个小波基底中的部分小波基底为异常脑电波形所对应的波形基底；信号分类模块，用于基于每个电极所对应的特征序列对脑电波信号中的异常信号进行分类，确定脑电波信号中的异常信号的放电时间，以及采集异常信号的目标电极；信号定位模块，用于基于放电时间和目标电极对异常信号进行定位，得到定位位置。
[0008]第三方面，本申请实施例提供了一种电子设备，该电子设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现如第一方面所述的癫痫间期脑电波异常信号的定位方法。
[0009]第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面所述的癫痫间期脑电波异常信号的定位方法。
[0010]第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行如第一方面所述的癫痫间期脑电波异常信号的定位方法。
[0011]由上述内容可知，本申请对每个电极所采集到的脑电波信号进行独立分量分析，从而确定伪差信号所对应的分量，进而从脑电波信号中去除伪差信号对应的分量，避免了伪差信号对异常信号检测的干扰，从而提高了异常信号的定位精准度。另外，在本申请中，还使用多个异常脑电波所对应的小波基底对脑电波信号进行特征提取，从而使得提取到的特征序列能够精准的表征异常信号的特征，进而为异常信号的定位提供了基础。最后，在本申请中，通过对该特征序列进行分类，根据分类结果可得到异常信号的放电时间以及采集异常信号的目标电极，即本申请可确定异常信号的时间信息和空间信息，相较于相关技术中仅根据异常信号的时间信息对异常信号进行定位的方式，本申请所提供的方案还可提高异常信号的定位速度，以及定位精度。
附图说明
[0012]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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。
[0013]图1是本申请一个实施例提供的信号检测系统的示意图；图2是本申请一个实施例提供的脑电图图形界面的示意图；图3是本申请一个实施例提供的脑电图图形界面的示意图；图4是本申请一个实施例提供的脑电放电地形图的示意图；图5是本申请一个实施例提供的癫痫间期脑电波异常信号的定位方法的流程示意图；图6是本申请一个实施例提供的检测模型的模型结构示意图；图7是本申请另一个实施例提供的癫痫间期脑电波异常信号的定位装置的结构示意图；图8是本申请又一个实施例提供的电子设备的结构示意图。
具体实施方式
[0014]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0015]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0016]为便于理解，在对本申请所提供的方案进行描述之前，首先对本申请所提供方案的背景进行描述。
[0017]在相关技术中，通常采用人工主观判断的方式来对脑电图中的异常信号进行标注，以实现对脑电波信号中的异常信号的定位。然而，一份20分钟~30分钟的脑电图具有数十万采样点。而在实际应用中，可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种癫痫间期脑电波异常信号的定位方法，其特征在于，包括：获取多个电极所采集到的目标对象在癫痫发作间期的脑电波信号，其中，所述多个电极分别设置在所述目标对象的头部的不同位置；对每个电极所采集到的脑电波信号进行独立分量分析，从所述每个电极所采集到的脑电波信号中去除伪差信号，得到所述每个电极所对应的增强信号；基于预设的多个小波基底对所述每个电极所对应的增强信号进行特征提取，得到所述每个电极所对应的多个特征序列，其中，所述多个小波基底中的部分小波基底为异常脑电波形所对应的波形基底；基于所述每个电极所对应的特征序列对所述脑电波信号中的异常信号进行分类，确定所述脑电波信号中的异常信号的放电时间，以及采集所述异常信号的目标电极；基于所述放电时间和所述目标电极对所述异常信号进行定位，得到定位位置。2.根据权利要求1所述的方法，其特征在于，在获取多个电极所采集到的目标对象在癫痫发作间期的脑电波信号之后，所述方法还包括：对所述每个电极所采集到的脑电波信号进行滤波处理，得到滤波后的脑电波信号；确定多个脑电导联模式下的参考电极，其中，不同的脑电导联模式用于检测不同癫痫种类的脑电波信号；在每个脑电导联模式下，计算所述每个电极所采集到的脑电波信号与所述参考电极之间的电压差，得到所述每个电极所对应的多个脑电波数字信号。3.根据权利要求2所述的方法，其特征在于，对每个电极所采集到的脑电波信号进行独立分量分析，从所述每个电极所采集到的脑电波信号中去除伪差信号，得到所述每个电极所对应的增强信号，包括：对所述每个电极所对应的多个脑电波数字信号进行独立分量分析，从所述每个电极所采集到的脑电波信号中确定所述伪差信号对应的特征分量；从所述每个电极所采集到的脑电波信号中去除所述伪差信号对应的特征分量，得到所述每个电极所对应的增强信号。4.根据权利要求3所述的方法，其特征在于，对所述每个电极所对应的多个脑电波数字信号进行独立分量分析，从所述每个电极所采集到的脑电波信号中确定所述伪差信号对应的特征分量，包括：基于所述每个电极所对应的多个脑电波数字信号构建第一多元线性时间序列；获取将所述第一多元线性时间序列转换为第二多元线性时间序列的转换矩阵，其中，所述第一多元线性时间序列与所述第二多元线性时间序列在空间上相互独立；获取所述转换矩阵的逆混合矩阵，并基于所述逆混合矩阵的行向量构建约束条件；构建所述第一多元线性时间序列所对应的多个初始分量的负熵函数；计算所述多个初始分量的负熵函数的平方和，得到目标优化函数；在所述约束条件下，对所述目标优化函数进行迭代处理，得到独立收敛的多个目标分量；根据所述多个目标分量与多个预设电极所采集的伪差信号之间的相关程度，从所述多个目标分量中确定所述伪差信号对应的特征分量，其中，所述多个预设电极用于采集不同类型的伪差信号。
5.根据权利要求1所述的方法，其特征在于，基于预设的多个小波基底对所述每个电极所对应的增强信号进行特征提取，得到所述每个电极所对应的多个特征序列，包括：确定每个小波基底所对应的位置参数以及目标频率范围，其中，所述位置参数用于表征对应小波基底所对应波形的位置，所述目标频率范围用于表征所述小波基底所对应波形的带宽；基于所述位置参数以及所述目标频率范围构建所述每个小波基底所对应的多个波形函数；计算所述多个波形函数与当前电极所对应的增强信号之间的内积，得到所述当前电极所对应的多个特征序列，其中，所述当前电极为所述多个电极中的任意一个电极。6.根据权利要求5所述的方法，其特征在于，在基于预设的多个小波基底对所述每个电极所对应的增强信号进行特征提取，得到所述每个电极所对应的多个特征序列之后，所述方法还包括：计算所述多个电极所对应的脑电波信号的强度平均值，得到第一平均强度；基于预设的高斯核函数计算所述第一平均强度所对应的核回归估计值；计算所述第一平均强度与所述核回归估计值的差值，得到核回归残差值；在预设宽度的窗函数下，基于所述核回归残差值计算所述核回归估计值的局部方差，得到所述多个电极所对应的脑电强度特征。7.根据权利要求6所述的方法，其特征在于，基于所述每个电极所对应的特征序列对所述脑电波信号中的异常信号进行分类，确定所述脑电波信号中的异常信号的...

【专利技术属性】
技术研发人员：陈松蹊，童培峰，陈蕾，
申请(专利权)人：四川大学，
类型：发明
国别省市：