本发明专利技术公开了一种面向低密度脑电图的癫痫致痫区定位系统，包括：脑电预处理模块、癫痫波标记模块、头模型构建模块、脑源活动定位模块、聚类与评估模块和致痫区成像模块。本发明专利技术可实现在低密度头皮脑电图下，减少空间分辨率有限以及未知的干扰和噪声等问题的影响，提高癫痫患者致痫区定位的准确性。
1、药物难治性癫痫被定义为尽管经过两种耐受、适当选择和使用的抗癫痫药物方案的充分试验(无论是单药还是联合用药)，但仍无法实现持续的癫痫发作控制，这种情况在癫痫患者中占30％-40％。癫痫致痫区的手术切除已成为药物难治性癫痫的一种重要甚至更适当的治疗方法，癫痫手术的成功取决于基于全面的术前评估准确识别癫痫致痫区。脑电源定位是一种用于定位脑电活动源的技术，它在临床神经科学和癫痫手术中发挥着关键作用。在致痫区的定位中，脑电源定位可以提供有价值的信息，帮助精确定位致痫区。
2、癫痫发作间期放电的源定位在术前评估中具有临床意义。目前，临床指南仅批准等效电流偶极子作为源定位算法中的一种。然而，在存在放电传播时，等效电流偶极子的准确性会受到显著影响。当源活动的复杂度或者噪声较高时，会导致波束形成算法失败的结果。一些研究结合源重构算法与其他方法以增强准确性，先前的方法侧重于从脑电图或脑磁图数据中提取癫痫成分以改善数据质量，但是这可能会可能面临信号混淆的问题。并且目前存在的方法大多是在高密度脑电图或脑磁图中进行研究，这种高密度测量设备存在成本昂贵、不轻便的问题。低密度脑电图的测量通道数量较少，有限的空间分辨率限制了其对脑区域的细致观察和定位的能力，一些源定位算法在受到干扰或者噪声时可能会出现定位失效的情况。如何在低密度脑电图中高精度的定位癫痫致痫区仍然是一个充满挑战的课题。
>1、针对现有技术的以上缺陷或改进需求，本专利技术提供了一种面向低密度脑电图的癫痫致痫区定位系统，可以提高癫痫患者致痫区定位的准确性。2、为实现上述目的，按照本专利技术提供了一种面向低密度脑电图的癫痫致痫区定位系统，包括：
3、脑电预处理模块，用于采集癫痫患者原始低密度脑电采样数据并进行预处理，获得预处理后的低密度脑电采样数据；
4、癫痫波标记模块，用于从所述预处理后的低密度脑电采样数据中，标记出位于癫痫脑区电极的多个棘波和尖波，每个棘波、尖波作为一个发作间期的癫痫波采样数据，获得多个发作间期的癫痫波采样数据；
5、脑源活动定位模块，用于根据所述多个发作间期的癫痫波采样数据和头模型中体素的导向场矩阵分别计算多个发作间期的脑源活动时间序列，根据所述多个发作间期的脑源活动时间序列识别多个活动显著的脑源；
6、聚类与评估模块，用于对所述多个活动显著的脑源在空间上进行聚类获得多个簇，根据所述多个簇的特征来定位致痫区位置；
7、致痫区成像模块，用于根据定位的所述致痫区位置进行成像。
8、进一步地，面向低密度脑电图的癫痫致痫区定位系统，还包括头模型构建模块，用于采用由边界元方法构建边界元模型，根据边界元模型计算所述导向场矩阵。
9、进一步地，所述根据所述多个发作间期的脑源活动时间序列识别多个活动显著的脑源包括步骤：
10、根据所述多个发作间期的脑源活动时间序列计算各个体素的源功率；
11、分别根据每个发作间期的所有体素的最大源功率设置每个发作间期的体素阈值，分别记录每个发作间期的大于或等于该发作间期的体素阈值的体素的源三维空间坐标，将这些体素的源作为识别的活动显著的脑源。
12、进一步地，所述计算各个体素的源功率的计算公式为：其中，pn为第n个体素的源功率，t为信号采样时间点的数量，为sn(t)的估计值，sn(t)是第n个体素的脑源活动时间序列。
13、进一步地，所述对所述多个活动显著的脑源在空间上进行聚类获得多个簇包括：
14、步骤1，将所述多个活动显著的脑源作为一个数据集，从所述数据集中随机选取k个初始的聚类中心，每个聚类中心记作ci，1≤i≤k；
15、步骤2，计算所述数据集中其余数据对象与聚类中心ci的欧氏距离，找出离数据对象最近的聚类中心ci，并将数据对象分配到聚类中心ci所对应的簇中；
16、步骤3，计算每个簇中数据对象的平均值作为新的聚类中心ci；
17、重复执行步骤2、步骤3进行迭代，直到聚类中心不再变化或达到最大的迭代次数时停止，将迭代停止时的簇作为所述多个簇。
18、进一步地，k的确定包括步骤：
19、将k的不同取值作为横轴，计算k的每个取值对应的所述数据集的误差平方和，将k的每个取值对应的所述数据集的误差平方和作为纵轴，随着k值得增加，误差平方和逐渐减小，选取下降过程中的拐点对应的k的取值确定为k的最终取值。
20、进一步地，所述根据所述多个簇的特征来定位致痫区包括步骤：
21、对聚类生成的所述多个簇进行评估，评估的特征包括簇包含的源数量和紧密程度，记录每个簇的源数量占所有簇源总数的百分比，比较百分比最高的两个簇，如果一个簇的源数量百分比超过另一个簇20％，则源数量百分比最高的簇的质心被认为是定位的致痫区，否则比较百分比最高的两个簇的紧密程度，紧密程度更高的簇的质心被认为是定位的致痫区。
22、进一步地，所述采用由边界元方法构建边界元模型，根据边界元模型计算所述导向场矩阵包括步骤：
23、构建边界元模型，所述边界元模型包括大脑组织与头骨接触面、头骨与头皮接触面以及头部与外界接触面，这些接触面被认为是均匀和导电的，每个接触面被分割成边界元的元素来建立一个均匀分割的模型；在每一个边界元素上应用积分方程，通过积分方程形成一个线性方程组，这个方程组关联了边界上每个点的电位和源电位；然后使用数值方法来求解这个方程组，从而获得边界上每个元素的电位；使用电场和电位的关系，通过数值微分的方法来计算整个头部的电场分布，计算所述导向场矩阵。
24、进一步地，所述根据所述多个发作间期的癫痫波采样数据和头模型中体素的导向场矩阵分别计算多个发作间期的脑源活动时间序列包括步骤：
25、构建采样数据生成模型，采样数据生成模型为y(t)＝ls(t)+ε(t)，y(t)表示一个发作间期的癫痫波采样数据，s(t)表示一个发作间期的脑源活动时间序列，l表示所述导向场矩阵，ε(t)表示一个发作间期的噪音；
26、设定s(t)、ε(t)具有先验分布，表示满足高斯分布，α为脑源活动先验概率分布超参数，αn对应第n个体素先验分布的方差，λ为噪声活动先验概率分布超参数，其中λ＝diag(λ1,λ2,…,λm)，λm(m＝1,…,m)为第m个采样通道的噪声协方差，α定义为dcn×dcn块对角矩阵，表示为：
27、
28、是sn(t)的先验方差矩阵，αn对应第n个体素先验分布的方差，sn(t)是第n个体素的脑源活动时间序列，是dc×dc单位矩阵，n是体素数量，dc是体素脑源活动强度的方向数量；
29、随机设置αn(n＝1,…,n)和噪声协方差λm(m＝1,…,m)的初始值，根据αn和λm的更新公式以及αn和λm的初始值不断迭代更新αn和λm的值，αn和λ本文档来自技高网...
【技术保护点】
1.一种面向低密度脑电图的癫痫致痫区定位系统，其特征在于，包括：
2.如权利要求1所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，还包括头模型构建模块，用于采用由边界元方法构建边界元模型，根据边界元模型计算所述导向场矩阵。
3.如权利要求1所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，所述根据所述多个发作间期的脑源活动时间序列识别多个活动显著的脑源包括步骤：
4.如权利要求3所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，所述计算各个体素的源功率的计算公式为：其中，Pn为第n个体素的源功率，T为信号采样时间点的数量，为sn(t)的估计值，sn(t)是第n个体素的脑源活动时间序列。
5.如权利要求1所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，所述对所述多个活动显著的脑源在空间上进行聚类获得多个簇包括：
6.如权利要求5所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，k的确定包括步骤：
7.如权利要求1所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，所述根据所述多个簇的特征来定位致痫区包括步骤：
8.如权利要求2所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，所述采用由边界元方法构建边界元模型，根据边界元模型计算所述导向场矩阵包括步骤：
9.如权利要求1所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，所述根据所述多个发作间期的癫痫波采样数据和头模型中体素的导向场矩阵分别计算多个发作间期的脑源活动时间序列包括步骤：
...
【技术特征摘要】
1.一种面向低密度脑电图的癫痫致痫区定位系统，其特征在于，包括：
2.如权利要求1所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，还包括头模型构建模块，用于采用由边界元方法构建边界元模型，根据边界元模型计算所述导向场矩阵。
3.如权利要求1所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，所述根据所述多个发作间期的脑源活动时间序列识别多个活动显著的脑源包括步骤：
4.如权利要求3所述的面向低密度脑电图的癫痫致痫区定位系统，其特征在于，所述计算各个体素的源功率的计算公式为：其中，pn为第n个体素的源功率，t为信号采样时间点的数量，为sn(t)的估计值，sn(t)是第n个体素的脑源活动时间序列。
5.如权利要求1所述的面向低密度脑电...
【专利技术属性】
技术研发人员：蔡畅，马凯，王佳慧，蔡帆，康慧聪，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：
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。