基于多模式电磁场生物检测的颅脑异常预测方法及装置制造方法及图纸

本发明专利技术涉及人工智能领域，尤其涉及一种基于多模式电磁场生物检测的颅脑异常预测方法，其包括：获取预先配置的检测参数；通过设置在待检测用户颅脑上预设六个位置的六个电极片获取在至少一个预设检测模式组合下的扰动系数数据集；预设六个位置分别为：前额位置

【技术实现步骤摘要】
基于多模式电磁场生物检测的颅脑异常预测方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种基于多模式电磁场生物检测
(
包括阻抗
)
的颅脑异常检测方法及装置
。

技术介绍

[0002]颅脑疾病如脑卒中
(
脑出血
、
脑梗塞
)、
脑肿瘤
、
脑痴呆
(
阿尔茨海默症
)、
颅内感染
、
脑缺血缺氧
、
颅脑损伤
、
脑积水
、
脑萎缩
、
脑炎
、
帕金森综合症
、
精神病等疾病，对人类威胁极大
。
脑部疾病均呈现高患病率
、
高死亡率
、
高致残率
、
高复发率
、
高治疗费等特点
。
特别是颅脑慢性病，病发初期体征症状不明显
、
甚至患者无察觉，待有明显体征症状再确诊时，基本属于病情中晚期，已经不可逆转，救治难度极大
。
颅脑疾病导致的脑组织损伤是不可逆的，偏瘫
、
失明
、
失语
、
失意等后遗症严重
。
后遗症患者需要终身陪护和康复治疗，人力
、
财力耗费严重
。
患者自身长期痛苦的同时，对家庭成员精力消耗，社会医疗资源占用都构成巨大负担
。
因此，提高颅脑重大疾病的救治率需要由“以治病为中心”向“以健康为中心”转变
。
并且，大多数脑部疾病都缺乏根治手段，因此，早诊早治是控制脑疾病蔓延
、
守护全民脑健康的首选途径
。
故而，脑部疾病的早期发现和筛查显得十分重要和急迫
。
[0003]脑部疾病风险早期筛查是脑部大健康管理的重要环节，其致力于前移脑卒中
、
脑肿瘤
、
脑痴呆等重大脑部疾病的预防关口，真正实现复杂脑疾病的早发现
、
早治疗，积极改善国人的脑健康状况，助力形成涵盖脑健康体检
、
评估
、
管理和治疗一体化的预防诊治机制
。
[0004]目前，颅脑疾病的检测方式有多种，例如通过机器学习方法来进行检测
。
但大多都是通过采集患者的多种生理指标来进行风险预测
。
例如，
CN 111968746A
其通过用户的健康监测数据，如中性粒细胞数
、
淋巴细胞数
、
嗜酸性粒细胞数
、
嗜碱性粒细胞数
、
总蛋白数值
、
白蛋白数值
、
球蛋白数值
、
总胆红素数值
、
直接胆红素数值
、
钾含量比值
、
钠含量比值
、
钙含量比值
、
尿素氮数值
、
甘油三酯数值
、
高密度脂蛋白数值
、
低密度脂蛋白数值
、
红细胞平均体积
、
凝血酶原时间
、
活化部分凝血活酶时间
、
纤维蛋白原数值
、
是否患高血压
、
是否患糖尿病
、
是否患高脂血症等来进行机器学习
。
[0005]电磁场生物检测技术，是目前国际上的前沿技术，特别是把该技术运用在颅脑疾病检测是今后神经学领域的一个重要方向
。
由于该技术的优点，例如无创
、
数字化
、
实时
、
可移动等，运用在颅脑疾病检测上能够实现安全
、
准确的要求，所以该技术受到了神经学界的高度重视
。
使用电磁场生物检测技术，目前世界上已有的进展就是对颅脑疾病实现一个比较粗糙的检测方式，如使用检测参数，如扰动系数
、
生物阻抗系数等参数，实现全脑因各种疾病而导致的异常检测，然后再通过
CT/MRI
等方式进行诊断，并根据诊断结果确定治疗方案
。
[0006]例如，本申请人提出一种基于电磁场生物检测技术的颅脑监测设备
(
参见
CN102525458B)
，以及提出一系列基于电磁场生物检测技术的颅脑疾病监护方法和检测系统
。
例如，
CN115736876A、CN115120223A。
其中，专利技术专利申请
CN115736876A
通过将四个电极
片来分别固定在患者颅脑的左侧和右侧
、
前额位置和后枕部位置，将电极片与监护仪连接，从而左侧和前额之间的电极片生成的扰动系数，右侧和前额之间的电极片生成的扰动系数，左侧和后枕部的电极片生成的扰动系数，右左侧和后枕部的电极片生成的扰动系数，左侧和右侧的电极片生成的扰动系数或全脑的扰动系数；然后根据这五个扰动系数来预测因不同水肿程度
、
出血或产生积水而导致的各种电磁场生物信号
(
如扰动系数
、
生物阻抗等
)
的异常
。
也即通过使用四个电极，设置在颅脑不同部位，可以实现对颅脑不同部位的病变组织进行有针对性的立体空间的多参数检测
。
其中，专利技术专利申请
CN115120223A
通过特定位置的电极片采集到的阻抗频谱数据来进行机器学习，并利用机器学习后的模型进行早期脑梗塞和脑出血的检测
。US2019021647A
公开了使用干扰系数
、
微分阻抗和人工神经网络来筛选恶性神经胶质瘤
、
其他脑肿瘤和脑损伤的系统和方法
。
该系统在规定的频率范围内计算干扰系数和差分阻抗
。
干扰系数是一个加权系数，它包括许多因素，例如使用不同测量配置的差分阻抗等，差分阻抗包括具有不同配置的传输差分阻抗和接收差分阻抗
。
该方法包括使检测脑组织状况的灵敏度最大化的布置
。
它是通过发射通过人脑组织传播的规定电磁波，测量脑组织的微分阻抗，并使用人工神经网络以高灵敏度和特异性筛查恶性胶质瘤
、
其他脑肿瘤和脑疾病来实现的
。
但现有的装置及方法都不适应于进行各种颅脑病变早期阶段中而导致的异常预测
。

技术实现思路

[0007]本专利技术的目的在于提供一种基于多模式电磁场生物检测的颅脑异常检测方法及装置，部分地解决或缓解现有技术中的上述不足，可用于因早期脑白质病变或早期脑梗塞导致颅脑在特定激励信号下的电磁场生物信号的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于多模式电磁场生物检测的颅脑异常预测方法，其特征在于，包括：获取预先配置的检测参数；所述检测参数包括：用户指定的待检测的异常种类，以及针对所选异常种类，从多种预设检测模式组合中所选中的至少一个预设检测模式组合；所述异常种类包括因早期脑白质病变导致的异常和因早期脑梗塞导致的异常；每种预设检测模式组合包括至少一种间接检测模式，以及至少一种直接检测模式；所述多种预设检测模式组合包括针对因早期脑白质病变而导致异常所配置的至少一种第一预设检测模式组合；以及针对因早期脑梗塞导致异常所配置的至少一种第二预设检测模式组合；通过设置在待检测用户颅脑上预设六个位置的六个电极片获取在所述至少一种预设检测模式组合下的扰动系数数据集；所述预设六个位置分别为：前额位置
、
后枕部位置
、
颅脑左前侧
、
颅脑左后侧
、
颅脑右前侧和颅脑右后侧；所述扰动系数数据集包括激励发射端到每个接收端之间传播路径上的扰动系数；将所述至少一种预设检测模式组合对应的所述扰动系数数据集输入预先训练好的多模式异常检测模型，预测得到待检测用户发生各种异常的预测概率值；将各所述预测概率值分别与对应所述异常种类的预设概率阈值进行比较，预测得到所述待检测用户发生相应种类异常的预测结果；所述预测结果包括：无风险
、
疑似风险
、
低风险
、
中风险和高风险；其中，训练得到所述多模式异常检测模型的步骤具体包括：分别获取多个健康受试者在所述多种预设检测模式组合下的健康扰动系数数据集，以及多个早期脑白质异常受试者在每种所述预设检测模式组合下的第一异常扰动系数数据集
、
多个早期脑梗塞异常受试者在每种所述预设检测模式组合下的第二异常扰动系数数据集，以构建训练样本库；利用机器学习算法对所述训练样本库中的健康扰动系数数据集和第一
、
二异常扰动系数数据集进行学习，得到所述多模式异常检测模型
。2.
根据权利要求1所述的基于多模式电磁场生物检测的颅脑异常预测方法，其特征在于，针对因早期脑白质病变而导致的异常，预先配置的所述第一预设检测模式组合具体包括：检测模式一：将位于所述前额位置的电极片作为激励发射端，将位于所述后枕部位置的电极片作为接地端，将位于所述颅脑左前侧
、
所述颅脑左后侧
、
所述颅脑右前侧和所述颅脑右后侧的四个电极片分别作为接收端，分别得到相应的四个扰动系数
R1、R2、R3、R4
；检测模式二：将位于所述前额位置的电极片作为激励发射端，将位于所述后枕部位置的电极片悬空，将位于所述颅脑左前侧
、
所述颅脑左后侧
、
所述颅脑右前侧和所述颅脑右后侧的四个电极片分别作为接收端，分别得到相应的四个扰动系数
R5、R6、R7、R8
；检测模式三：将位于所述颅脑左后侧的电极片作为激励发射端，将位于所述颅脑右前侧的电极片作为接地端，将位于所述前额位置
、
所述颅脑左前侧
、
所述后枕部位置和所述颅脑右后侧的四个电极片分别作为接收端，分别得到相应的四个扰动系数
R9、R10、R11、R12
；检测模式四：将位于所述颅脑左后侧的电极片作为激励发射端，将位于所述颅脑右前侧的电极片悬空，并将位于所述前额位置
、
所述颅脑左前侧
、
所述后枕部位置和所述颅脑右后侧的四个电极片分别作为接收端，分别得到相应的四个扰动系数
R13、R14、R15、R16。3.
根据权利要求1所述的基于多模式电磁场生物检测的颅脑异常预测方法，其特征在
于，所述第一预设检测模式组合还包括：检测模式九：将位于所述颅脑右脑前侧的电极片作为激励发射端，将位于所述颅脑左脑后侧的电极片悬空，并将位于所述前额位置
、
所述颅脑左前侧
、
所述后枕部位置和所述颅脑右后侧的四个电极片分别作为接收端，分别得到相应的四个扰动系数
R17、R18、R19、R20
；以及检测模式十：将位于所述颅脑右脑前侧的电极片作为激励发射端，将位于所述颅脑左脑后侧的电极片接地，并将位于所述前额位置
、
所述颅脑左前侧
、
所述后枕部位置和所述颅脑右后侧的四个电极片分别作为接收端，分别得到相应的四个扰动系数
R21、R22、R23、R24
；相应地，所述第一异常扰动系数数据集还包括：前脑扰动系数差值和后脑扰动系数差值；其中，所述前脑扰动系数差值为所述检测模式九与所述检测检测模式十下，颅脑右前侧位置的电极对作为激励接收端，颅脑左前侧的电极片作为接收端时前脑区域的扰动系数之差；所述后脑扰动系数差值为所述检测模式九与所述检测检测模式十下，颅脑左后侧位置的电极片作为激励发射端，颅脑右后侧位置的电极片作为接收端时，后脑区域的扰动系数之差
。4.
根据权利要求3所述的基于多模式电磁场生物检测的颅脑异常预测方法，其特征在于，针对因早期脑梗塞而导致的异常，预先配置的所述第二预设检测模式组合包括：检测模式五：分别将位于所述颅脑左前侧和位于所述颅脑右后侧两个位置的电极片作为激励发射
/
接收端，并将位于所述颅脑左后侧
、
所述颅脑右前侧
、
所述前额位置和所述后枕部位置的电极片分别作为接收端，分别得到相应的六个扰动系数
r1、r 2、r3、r4、r5、r 6
；检测模式六：分别将位于所述前额位置和所述后枕部位置两个位置的电极片作为激励发射
/
接收端，并将位于所述颅脑左前侧
、
所述颅脑左后侧
、
所述颅脑右前侧
、
所述颅脑右后侧的电极片分别作为接收端，分别得到相应的六个扰动系数
r 7、r8、r9、r10、r11、r12
；检测模式七：分别将位于所述颅脑左后侧
、
所述颅脑右后侧
、
所述前额位置和所述后枕部位置四个位置的电极片作为激励发射
/
接收端，并将位于所述颅脑左前侧和位于所述颅脑右前侧的电极片分别作为接收端，分别得到相应的六个扰动系数
r 13、r14、r15、r16、r17、r18
；检测模式八：分别将位于所述颅脑左前侧
、
所述颅脑左后侧和所述颅脑右前侧
、
所述颅脑右后侧四个位置的电极片作为激励发射
/
接收端，并将位于所述前额位置和所述后枕部位置的电极片分别作为接收端，分别得到相应的六个扰动系数
r19、r20、r21、r22、r23、r24
；相应地，所述第二异常扰动系数数据集还包括：前脑扰动系数差值和后脑扰动系数差值；其中，所述前脑扰动系数差值包括所述检测模式八下，颅脑右前侧位置
、
颅脑左前侧位置的电极对作为激励发射
/
接收端时前脑区域的扰动系数之差；所述后脑扰动系数差值包括所述检测模式七与所述检测检测模式八下，颅脑左后侧位置和颅脑右后侧位置的电极片作为激励发射
/
接收端时，后脑区域的扰动系数之差
。5.
根据权利要求3或4所述的基于多模式电磁场生物检测的颅脑异常预测方法，其特征在于，构建所述训练样本库时，将脑前扰动系数差值与脑后扰动系数差值相同的所有所述第一异常扰动系数数据集
、
所有所述第二异常扰动系数数据集划分为
I
类扰动系数数据集；将脑前扰动系数差值与脑后扰动系数差值两者之差大于0但小于或等于第一预设差值阈值的所有所述第一异常扰动系数数据集
、
所有所述第二异常扰动系数数据集划分为
II
类扰动
系数数据集；将两者之差大于第一预设差值阈值的所有所述第一异常扰动系数数据集
、
所有所述第二异常扰动系数数据集划分为
III
类扰动系数数据集，并且，所述训练样本库中
I、II、III
类扰动系数数据集之比为3：
10
：
4。6.
基于多模式电磁场生物检测技术的颅脑异常预测装置，其特...

【专利技术属性】
技术研发人员：程若谷，吴琪，刘成康，张彩强，刘锦，
申请(专利权)人：重庆博恩富克医疗设备有限公司，
类型：发明
国别省市：