【技术实现步骤摘要】
所属的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。下面参照图11来描述根据本专利技术的这种实施例的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本专利技术实施例的功能和使用范围带来任何限制。如图11所示，电子设备1100以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件（包括存储单元1120和处理单元1110）的总线1130、显示单元1140。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1110执行，使得所述处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本专利技术各种示例性实施例的步骤。存储单元1120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（ram）1121和/或高速缓存存储单元1122，还可以进一步包括只读存储单元（rom）1123。存储单元1120还可以包括具有一组（至少一个）程序模块1125的程序/使用工具1124，这样的程序模块1125包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包含网络环境的现实。总线1130可以包括数据总线、地址总线和控制总线。电子设备1100也可以与一个或多个外部设备1170（例如键盘、指
技术介绍
1、本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、近年随着人们生活质量的改善，医疗水平的提高，对癫痫等脑部疾病的认识及重视程度逐渐增加，脑电图监测数量也随之增加。脑电图分析是早起预防脑电疾病的重要检测方法，然而，目前脑电图分析多依赖于医生，导致医生的工作主观且繁重，容易造成人为的偏差，进而降低确定出的患者脑电疾病状态的准确度。
3、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、基于上述问题，专利技术人进行了相应的思考，做出了有针对性的改进，提供了癫痫确定方法、癫痫确定装置、电子设备以及计算机可读存储介质，可以对脑电特征数据进行脑电特征分析得到脑电特征分析结果，将脑电特征数据输入至训练好的癫痫分析模型中，以通过癫痫分析模型得到癫痫分析结果；结合脑电特征分析结果以及癫痫分析结果，确定出受测对象的癫痫状态，避免了人为偏差，提高了确定出的受测对象癫痫状态的准确度。
2、根据本申请实施例的第一方面，公开了一种癫痫确定方法，包括：
3、获取受测对象的脑电特征数据，对所述脑电特征数据进行脑电特征分析得到脑电特征分析结果；
4、将所述脑电特征数据输入至训练好的癫痫分析模型中，以通过所述癫痫分析模型得到癫痫分析结果；
5、结合所述脑电特征分析结果以及所述癫痫分析结果，确定出所述受测对象的癫痫状态。
6、在一个实施例中，基于前述方案，所述脑电特征数据中包含与多个监测通道分别对应的脑电特征数据；所述脑电特征分析结果包括节律分析结果；
7、所述对所述脑电特征数据进行脑电特征分析得到脑电特征分析结果，包括：
8、从所述脑电特征数据中确定出目标监测通道的目标脑电特征数据；
9、对所述目标脑电特征数据进行节律分析，得到所述节律分析结果。
10、在一个实施例中，基于前述方案，所述节律分析结果包括枕区节律分析结果；所述目标监测通道包括与枕区对应第一监测通道和第二监测通道；
11、所述对所述目标脑电特征数据进行节律分析，得到所述节律分析结果，包括：
12、在第一脑电特征数据和第二脑电特征数据中确定出属于阿尔法波的第一阿尔法波脑电特征数据和第二阿尔法波脑电特征数据；其中，所述第一脑电特征数据与所述第一监测通道对应，所述第二脑电特征数据与所述第二监测通道对应；
13、通过对所述第一阿尔法波脑电特征数据和所述第二阿尔法波脑电特征数据所表征的脑电变化规律进行分析，得到所述枕区节律分析结果。
14、在一个实施例中，基于前述方案，所述脑电特征分析结果包括脑电功能连接分析结果；
15、所述对所述脑电特征数据进行脑电特征分析得到脑电特征分析结果，包括：
16、对多个监测通道分别对应的所述脑电特征数据进行相关性分析，得到相关性矩阵；
17、确定用于衡量脑电功能连接状态的预设阈值，将所述相关性矩阵中的数值与所述预设阈值进行比较得到数值比较结果；
18、根据所述数值比较结果得到所述多个监测通道分别对应所述脑电功能连接分析结果。
19、在一个实施例中，基于前述方案，所述脑电特征分析结果包括睁眼抑制分析结果；
20、所述对所述脑电特征数据进行脑电特征分析得到脑电特征分析结果，包括：
21、在所述第一脑电特征数据中确定出所述受测对象处于第一眼部本文档来自技高网...
【技术保护点】
1.一种癫痫确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述脑电特征数据中包含与多个监测通道分别对应的脑电特征数据；所述脑电特征分析结果包括节律分析结果；
3.根据权利要求2所述的方法，其特征在于，所述节律分析结果包括枕区节律分析结果；所述目标监测通道包括与枕区对应第一监测通道和第二监测通道；
4.根据权利要求2所述的方法，其特征在于，所述脑电特征分析结果包括脑电功能连接分析结果；
5.根据权利要求3所述的方法，其特征在于，所述脑电特征分析结果包括睁眼抑制分析结果；
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述癫痫分析模型包括发作期癫痫分析模型；
8.根据权利要求6所述的方法，其特征在于，所述癫痫分析模型包括睡眠期分析模型；
9.根据权利要求1所述的方法，其特征在于，所述将所述脑电特征数据输入至训练好的癫痫分析模型中，以通过所述癫痫分析模型得到癫痫分析结果，包括：
10.根据权
11.根据权利要求9所述的方法，其特征在于，所述将所述脑电特征数据、所述人体特征信息以及所述动作特征信息输入至训练好的癫痫分析模型中，包括：
12.根据权利要求11所述的方法，其特征在于，所述癫痫分析模型包括发作间期癫痫分析模型；
13.一种癫痫确定装置，其特征在于，所述装置包括：
14.根据权利要求13所述的装置，其特征在于，所述脑电特征数据中包含与多个监测通道分别对应的脑电特征数据；所述脑电特征分析结果包括节律分析结果；
15.根据权利要求14所述的装置，其特征在于，所述节律分析结果包括枕区节律分析结果；所述目标监测通道包括与枕区对应第一监测通道和第二监测通道；
16.根据权利要求14所述的装置，其特征在于，所述脑电特征分析结果包括脑电功能连接分析结果；
17.根据权利要求15所述的装置，其特征在于，所述脑电特征分析结果包括睁眼抑制分析结果；
18.根据权利要求13所述的装置，其特征在于，所述装置还包括：
19.根据权利要求18所述的装置，其特征在于，所述癫痫分析模型包括发作期癫痫分析模型；
20.根据权利要求18所述的装置，其特征在于，所述癫痫分析模型包括睡眠期分析模型；
21.根据权利要求13所述的装置，其特征在于，所述将所述脑电特征数据输入至训练好的癫痫分析模型中，以通过所述癫痫分析模型得到癫痫分析结果，包括：
22.根据权利要求21所述的装置，其特征在于，所述从所述监测视频中得到所述受测对象的人体特征信息以及动作特征信息，包括：
23.根据权利要求21所述的装置，其特征在于，所述将所述脑电特征数据、所述人体特征信息以及所述动作特征信息输入至训练好的癫痫分析模型中，包括：
24.根据权利要求23所述的装置，其特征在于，所述癫痫分析模型包括发作间期癫痫分析模型；
25.一种电子设备，其特征在于，包括：
26.一种计算机可读存储介质，其上存储计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-12中的任意一项所述的方法。
...【技术特征摘要】
1.一种癫痫确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述脑电特征数据中包含与多个监测通道分别对应的脑电特征数据；所述脑电特征分析结果包括节律分析结果；
3.根据权利要求2所述的方法，其特征在于，所述节律分析结果包括枕区节律分析结果；所述目标监测通道包括与枕区对应第一监测通道和第二监测通道；
4.根据权利要求2所述的方法，其特征在于，所述脑电特征分析结果包括脑电功能连接分析结果；
5.根据权利要求3所述的方法，其特征在于，所述脑电特征分析结果包括睁眼抑制分析结果；
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述癫痫分析模型包括发作期癫痫分析模型；
8.根据权利要求6所述的方法，其特征在于，所述癫痫分析模型包括睡眠期分析模型；
9.根据权利要求1所述的方法，其特征在于，所述将所述脑电特征数据输入至训练好的癫痫分析模型中，以通过所述癫痫分析模型得到癫痫分析结果，包括：
10.根据权利要求9所述的方法，其特征在于，所述从所述监测视频中得到所述受测对象的人体特征信息以及动作特征信息，包括：
11.根据权利要求9所述的方法，其特征在于，所述将所述脑电特征数据、所述人体特征信息以及所述动作特征信息输入至训练好的癫痫分析模型中，包括：
12.根据权利要求11所述的方法，其特征在于，所述癫痫分析模型包括发作间期癫痫分析模型；
13.一种癫痫确定装置，其特征在于，所述装置包括：
14.根据权利要求13所述的装置，其特征在于，所...
【专利技术属性】
技术研发人员：林楠，李恋，胡鹏，卢强，梁子，崔丽英，张少博，孙鹤阳，董一粟，高伟芳，贺海波，
申请(专利权)人：杭州网之易创新科技有限公司，
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。