【技术实现步骤摘要】
本公开涉及脑电检测领域，具体涉及一种大脑异常放电检测方法、装置、存储介质及电子设备。
技术介绍
1、颅内脑电技术可以通过精密的电子仪器，从头皮上将脑部的自发性生物电位加以放大并进行记录，记录的信息具有很大的分析价值，有助于对被检测人员的脑电活动变化进行评估。
2、然而，目前在对获取的颅内脑电图数据进行数据分析的过程中，一般均是通过医生根据经验进行分析。另外，颅内脑电信息的自动识别具有较大困难，除了放电本身特征需大量样本识别，伪差的干扰也是一大原因。因此，现有的大脑异常放电检测方法不但人工成本高，耗时长，而且分析的结果容易产生误判，不同的医生评判的一致性也低。
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、本公开的目的在于提供一种大脑异常放电检测方法、装置、存储介质及电子设备，旨在提高大脑异常放电检测结果的准确率。
2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
3、根据本公开实施例的一方面，提供了大脑异常放电检测方法，包括：采集检测对象的脑电信号数据，并同时采集所述检测对象的状态视频；识别所述状态视频中所述检测对象的姿态信息和面部信息，以得到关键点空间轨迹数据；将所述脑电信号数据和所述关键点空间轨迹数据输入预先训练完成的异常预测模型中，以得到所述异常预测模型输出的脑电信息异常预测结果
4、根据本公开的一些实施例，基于前述方案，所述关键点空间轨迹数据包括所述状态视频中各帧图像的姿态关键点空间数据和面部关键点空间数据；所述识别所述状态视频中所述检测对象的姿态信息和面部信息，以得到关键点空间轨迹数据，包括：创建人体姿态实例和面部点位实例，并加载所述状态视频；基于所述人体姿态实例识别所述检测对象的姿态关键点，并获取所述姿态关键点的空间坐标数据作为所述姿态关键点空间数据；以及基于所述面部点位实例识别所述检测对象的面部关键点，并获取所述面部关键点的空间坐标数据作为所述面部关键点空间数据。
5、根据本公开的一些实施例，基于前述方案，所述方法还包括：基于mediapipe中的人体姿态监测模型识别所述姿态关键点，以得到所述姿态关键点空间数据；以及基于mediapipe中的面部点位监测模型识别所述面部关键点，以得到所述面部关键点空间数据。
6、根据本公开的一些实施例，基于前述方案，所述方法还包括：应用移动平均滤波器对所述关键点空间轨迹数据进行平滑处理得到第一关键点空间轨迹数据，以更新所述关键点空间轨迹数据。
7、根据本公开的一些实施例，基于前述方案，所述方法还包括：对所述关键点空间轨迹数据进行非极大值抑制得到第二关键点空间轨迹数据，以更新所述关键点空间轨迹数据。
8、根据本公开的一些实施例，基于前述方案，所述方法还包括预先训练所述异常预测模型，所述预先训练所述异常预测模型包括：获取训练样本；其中，所述训练样本包括检测对象的脑电信号训练数据、关键点空间轨迹训练数据以及标记结果；所述标记结果用于表征所述训练样本的大脑异常放电检测结果；将所述脑电信号训练数据和所述关键点空间轨迹训练数据输入初始异常预测模型以计算脑电信息异常预测结果；根据所述标记结果和所述脑电信息异常预测结果计算损失函数；基于所述损失函数调整所述初始异常预测模型的模型参数，以得到训练完成的异常预测模型。
9、根据本公开的一些实施例，基于前述方案，所述方法还包括：获取历史状态视频；根据所述历史状态视频确定所述检测对象是否异常以得到检测结果；基于所述检测结果对所述历史状态视频进行标记，以得到所述带标记结果的历史状态视频。
10、根据本公开实施例的第二方面，提供了一种大脑异常放电检测装置，包括：采集模块，用于采集检测对象的脑电信号数据，并同时采集所述检测对象的状态视频；识别模块，用于识别所述状态视频中所述检测对象的姿态信息和面部信息，以得到关键点空间轨迹数据；预测模块，用于检测将所述脑电信号数据和所述关键点空间轨迹数据输入预先训练完成的异常预测模型中，以得到所述异常预测模型输出的脑电信息异常预测结果作为大脑异常放电检测结果。
11、根据本公开实施例的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中的大脑异常放电检测方法。
12、根据本公开实施例的第四方面，提供了一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中的大脑异常放电检测方法。
13、本公开示例性实施例可以具有以下部分或全部有益效果：
14、在本公开的一些实施例所提供的技术方案中，一方面，通过检测对象的脑电信号数据和状态视频联合分析，利用状态视频减少伪差的干扰，能够提高大脑异常放电检测结果的准确率和效率；另一方面，提供了一套由信息获取到信息处理的自动化大脑异常放电检测方法，采用统一的评判标准，相较于人工数据分析，能够降低人为偏差提高准确率的同时，缩短检测时间，提高检测效率。
15、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
本文档来自技高网...【技术保护点】
1.一种大脑异常放电检测方法，其特征在于，包括：
2.根据权利要求1所述的大脑异常放电检测方法，其特征在于，所述关键点空间轨迹数据包括所述状态视频中各帧图像的姿态关键点空间数据和面部关键点空间数据；
3.根据权利要求2所述的大脑异常放电检测方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的大脑异常放电检测方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的大脑异常放电检测方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的大脑异常放电检测方法，其特征在于，所述方法还包括预先训练所述异常预测模型，所述预先训练所述异常预测模型包括：
7.根据权利要求6所述的大脑异常放电检测方法，其特征在于，所述方法还包括：
8.一种大脑异常放电检测装置，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1至7任一项所述的大脑异常放电检测方法。
10.一种电子设备，其特征在于，包括：
【技术特征摘要】
1.一种大脑异常放电检测方法，其特征在于，包括：
2.根据权利要求1所述的大脑异常放电检测方法，其特征在于，所述关键点空间轨迹数据包括所述状态视频中各帧图像的姿态关键点空间数据和面部关键点空间数据；
3.根据权利要求2所述的大脑异常放电检测方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的大脑异常放电检测方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的大脑异常放电检测方法，其特征在于，所述方法还包括：
...【专利技术属性】
技术研发人员：林楠，李恋，卢强，梁子，崔丽英，胡鹏，孙鹤阳，董一粟，高伟芳，张少博，贺海波，
申请(专利权)人：中国医学科学院北京协和医院，
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。