CN110477908A - 一种智能识别癫痫灶的方法 - Google Patents

一种智能识别癫痫灶的方法 Download PDF

Info

Publication number
CN110477908A
CN110477908A CN201910644899.3A CN201910644899A CN110477908A CN 110477908 A CN110477908 A CN 110477908A CN 201910644899 A CN201910644899 A CN 201910644899A CN 110477908 A CN110477908 A CN 110477908A
Authority
CN
China
Prior art keywords
spike
epileptogenic focus
doubtful
follows
intelligent recognition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910644899.3A
Other languages
English (en)
Inventor
梁九兴
王晓
陈俊喜
费凌霞
陈威
郭强
侯泽亮
张瀚卿
朱丹
翁旭初
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGDONG 999 BRAIN HOSPITAL
South China Normal University
Original Assignee
GUANGDONG 999 BRAIN HOSPITAL
South China Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GUANGDONG 999 BRAIN HOSPITAL, South China Normal University filed Critical GUANGDONG 999 BRAIN HOSPITAL
Priority to CN201910644899.3A priority Critical patent/CN110477908A/zh
Publication of CN110477908A publication Critical patent/CN110477908A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Neurology (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Neurosurgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明的智能识别癫痫灶的方法包括以下步骤:s1.导入所需要处理的立体定向脑电数据；s2.对每一通道脑电的棘波进行自动检测；s3.对每一通道脑电采用均方根检测法自动检测高频振荡；s4.结合有异常痫性放电的电极触点在大脑中所映射的空间位置信息划定癫痫灶。

Description

一种智能识别癫痫灶的方法
技术领域
本发明涉及脑电检测技术领域，更具体的涉及一种智能识别癫痫灶的方法。
背景技术
癫痫是神经系统第二大疾病，患病率为4‰～7‰，目前全球约有5000万癫痫患者，我国癫痫患者人数约为900万。识别癫痫灶对癫痫的临床诊断和手术切除具有重要意义。
立体定向脑电图是一种侵入性的脑电图检测技术，它通过颅内电极的立体定向植入，探寻癫痫发作起源以及异常放电的皮层区域，从时间和空间上对癫痫病灶进行定位评估，了解脑皮质三维脑电传播网络模式，对致痫灶进行精确定位。
癫痫的典型特征是神经元群体产生异常放电，在记录的神经电信号中呈现痫样棘波。棘波持续时间20-70ms，主要成分为负相、具有陡峭的主要特征波形，其波幅多变，多为病理性波。
高频振荡是脑电信号中的高频信号，频率在80-500Hz，是神经系统中普遍存在现象，在确定癫痫发作启动区时具有很高的特异性。
通常为了满足临床记录多次痫性发作，立体定向脑电图记录脑电信号会持续好几个星期，所得到的数据量极其庞大，人工判别十分耗时耗力，同时人工判别带有一定主观性。
发明内容
为了克服现有技术的不足，本发明提供一种智能识别癫痫灶的方法。
为了实现上述目的，其技术方案为：
一种智能识别癫痫灶的方法，示图1，包括以下步骤：
导入所需要处理的立体定向脑电数据；
对棘波的检测分为五步：
第一步，对所需要处理的数据进行滤波，即通过理想数字滤波器(带通滤波)，得到所需频率带；
第二步，检测疑似棘波，采取斜率法，由于棘波既有正向又有负相棘波，检测公式分别如下：
X(i)-X(i-N)＞k(t)&&X(i+N)-X(i)＜k(t)
X(i)-X(i-N)＜k(t)&&X(i+N)-X(i)＞k(t)
前者为负相棘波检测公式，后者为正相棘波检测公式。
原理：计算第i时刻点与N点前的斜率，以及与N点后的斜率，用以检测疑似棘波。其中：X(i)表示第i时刻点的幅值；k(t)＝ki*(ti-t(i-N))表示第i时刻点与i-N时刻点之间的斜率与两点间隔时间的乘积，“&&”表示第i时刻点需要同时满足前后两个公式；
第三步，去除相邻疑似棘波，公式为：L(i)-L(i-1)＜T
原理：排除误检，如果相邻疑似棘波点的时间间隔小于T，则去除幅值小的疑似棘波点。其中：L(i)-L(i-1)表示相邻两个检测出疑似棘波的时间间隔，T表示棘波持续时间的阈值，如果满足|X(i)|＞|X(i-1)|，则去除X(i-1)，反之，则去除X(i)；
第四步，去除小于阈值的疑似棘波，公式为：|X(i)|＜Y值。
根据棘波的临床理论，棘波的幅值大于一定的阈值，Y表示此阈值；
对高频振荡的检测采用均方根检测法：
第一步：对原始立体定向脑电图数据进行滤波，取80-500Hz频段的数据；
第二步：检测疑似高频振荡，计算背景脑电信号的均方根和标准差，记为RT和SDT
其中：
取第i时刻点，计算(i-N)时刻点到(i+N)时刻点脑电信号的均方根，记为Ri
Ri-RT＞5*SDT
第三步：去除疑似高频振荡，当2N＜6s时，则去除第i时刻点。
第五步，划定癫痫灶区域：
原理：每一立体定向脑电通道通过s2和s3步骤的方法进行自动检测异常波形，并统计每一通道发生异常波形的次数k；判断每一通道发生异常波形的次数k是否大于设定阈值K，若k＞K，则认为该通道所对应的电极位置点为癫痫灶区域，反之为正常区域；将每一符合k＞K通道的电极在大脑中的空间位置点标记，并连接外围边界的空间位置信息作为癫痫灶区域。
附图说明
图1为智能识别癫痫灶的流程图
图2为检测棘波(spike)所得结果的示例
图3为检测高频振荡(HFO)所得结果的示例
图4为特征矩阵
图5为癫痫灶定位的示例图
具体实施方案
下面结合附图对本发明做进一步描述，但本发明的实施方式并不仅限于此。
如图1，该流程图包括导入立体定向脑电数据，检测疑似棘波和高频振荡，提取特征矩阵，输出空间信息。
该方法原理为：将立体定向脑电数据滤波后得到所需频率带，再进行棘波和高频振荡检测。输出的结果如图2和图3所示。
根据图2和图3的数据，提取特征矩阵，如图4。N表电极，每根用字母表示(A1、A2表A电极的第1、2个记录点)，T表时刻点，对每个时刻点进行分析后，标记为0或1，0表示未发现棘波或高频振荡，1表示发现棘波或高频振荡。由于癫痫灶出现的区域有一定的重复性，因此设定X为1出现的阈值，然后对每个电极点出现1的次数进行汇总，若NA1＞X，则表示该电极点在癫痫灶范围内。
对图4的特征矩阵进行分析后，再通过输出空间信息，可以得到图5，其阴影区域即为癫痫灶的位置。

Claims (4)

1.一种智能识别癫痫灶的方法，其特征在于，包括以下步骤：
s1.导入所需要处理的立体定向脑电数据；
s2.脑电棘波检测；
s3.采用均方根检测法检测高频振荡；
s4.结合异常痫性放电的电极触点在大脑中所对应的空间位置信息划定癫痫灶。
2.根据权利要求1所述的智能识别癫痫灶的方法，其特征在于，所述步骤s2的具体步骤为：
s21.通过理想数字滤波器对所需要处理的数据进行滤波，得到所需频率带；
s22.采取斜率法检测疑似棘波，检测公式分别如下：
X(i)-X(i-N)＞k(t)&&X(i+N)-X(i)＜k(t)
X(i)-X(i-N)＜k(t)&&X(i+N)-X(i)＞k(t)
前者为负相棘波检测公式，后者为正相棘波检测公式；
s23.去除相邻疑似棘波，公式为：L(i)-L(i-1)＜T
其中：L(i)-L(i-1)表示相邻两个检测出疑似棘波的时间间隔，T表示棘波持续时间的阈值，如果满足|X(i)|＞|X(i-1)|，则去除X(i-1)，反之，则去除X(i)；
s24.去除小于阈值的疑似棘波，公式为：|X(i)|＜Y值；
其中：Y值表示棘波最小振幅。
3.根据权利要求1所述的智能识别癫痫灶的方法，其特征在于，所述步骤s3的具体步骤为：
s31.对原始立体定向脑电图数据进行滤波，取80-500Hz频段的数据；
s32.检测疑似高频振荡，计算背景脑电信号的均方根和标准差，记为RT和SDT
其中：
取第i时刻点，计算(i-N)时刻点到(i+N)时刻点脑电信号的均方根，记为Ri
Ri-RT＞5*SDT
s33.去除疑似高频振荡，当2N＜6s时，则去除第i时刻点。
4.根据权利要求1所述的智能识别癫痫灶的方法，其特征在于，所述步骤s4的具体步骤为：
s41.每一立体定向脑电通道通过s2和s3步骤的方法进行自动检测异常波形，并统计每一通道发生异常波形的次数k；
s42.判断每一通道发生异常波形的次数k是否大于设定阈值K，若k＞K，则认为该通道所对应的电极位置点为癫痫灶区域，反之为正常区域；
s43.将每一符合k＞K通道的电极在大脑中的空间位置坐标进行标记，并连接外围边界的空间位置信息作为癫痫灶区域。
CN201910644899.3A 2019-07-16 2019-07-16 一种智能识别癫痫灶的方法 Pending CN110477908A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910644899.3A CN110477908A (zh) 2019-07-16 2019-07-16 一种智能识别癫痫灶的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910644899.3A CN110477908A (zh) 2019-07-16 2019-07-16 一种智能识别癫痫灶的方法

Publications (1)

Publication Number Publication Date
CN110477908A true CN110477908A (zh) 2019-11-22

Family

ID=68547317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910644899.3A Pending CN110477908A (zh) 2019-07-16 2019-07-16 一种智能识别癫痫灶的方法

Country Status (1)

Country Link
CN (1) CN110477908A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111643076A (zh) * 2020-05-13 2020-09-11 杭州电子科技大学 一种基于多通道脑电信号的bect棘波智能检测方法
CN114081509A (zh) * 2021-11-12 2022-02-25 郑州市中心医院 一种脑电波中癫痫电波识别方法及系统
CN114159076A (zh) * 2021-09-17 2022-03-11 天津大学 用于辅助癫痫灶定位的脑电高频振荡信号自动检测系统
CN115081471A (zh) * 2022-05-13 2022-09-20 浙江大学 一种基于多频段复合波形的峰电位检测及分类方法及用途
CN116712089A (zh) * 2023-07-26 2023-09-08 华南师范大学 富集癫痫发作间期的癫痫样放电和预测致病灶的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103156603A (zh) * 2012-11-20 2013-06-19 中国人民解放军第四军医大学第一附属医院 癫痫发作预警仪
CN105615877A (zh) * 2016-02-22 2016-06-01 广州视源电子科技股份有限公司 癫痫脑电信号特征的定位方法及其系统
CN106901726A (zh) * 2017-01-10 2017-06-30 广东工业大学 一种基于脑电高频脑电振荡节律信息熵的癫痫灶定位系统
WO2018102815A1 (en) * 2016-12-02 2018-06-07 Thomas Jefferson University Signal processing method for distinguishing and characterizing high-frequency oscillations
CN108606781A (zh) * 2018-05-23 2018-10-02 广东工业大学 一种基于脑电高频振荡节律的癫痫灶定位系统
CN109700463A (zh) * 2019-03-12 2019-05-03 四川大学 一种脑磁图癫痫棘波识别方法和系统
CN109770897A (zh) * 2019-03-11 2019-05-21 华南师范大学 一种脑电棘波的处理识别方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103156603A (zh) * 2012-11-20 2013-06-19 中国人民解放军第四军医大学第一附属医院 癫痫发作预警仪
CN105615877A (zh) * 2016-02-22 2016-06-01 广州视源电子科技股份有限公司 癫痫脑电信号特征的定位方法及其系统
WO2018102815A1 (en) * 2016-12-02 2018-06-07 Thomas Jefferson University Signal processing method for distinguishing and characterizing high-frequency oscillations
CN106901726A (zh) * 2017-01-10 2017-06-30 广东工业大学 一种基于脑电高频脑电振荡节律信息熵的癫痫灶定位系统
CN108606781A (zh) * 2018-05-23 2018-10-02 广东工业大学 一种基于脑电高频振荡节律的癫痫灶定位系统
CN109770897A (zh) * 2019-03-11 2019-05-21 华南师范大学 一种脑电棘波的处理识别方法及装置
CN109700463A (zh) * 2019-03-12 2019-05-03 四川大学 一种脑磁图癫痫棘波识别方法和系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
孙妍萍，等: "脑电高频振荡与癫痫", 《中华神经科杂志》 *
朱玉明，等: "《高等数学》", 30 April 2018, 武汉：华中师范大学出版社 *
熊伟茗: "皮层脑电高频振荡波对症状性癫痫手术的应用价值研究", 《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》 *
王新德，等: "《神经病学》", 30 September 2001 *
许紹芬，等: "《神经生物学（第二版）》", 31 August 1998, 上海：上海医科大学出版社 *
黄伟民，等: "《技术物理基础》", 30 September 2002, 北京：高等教育出版社 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111643076A (zh) * 2020-05-13 2020-09-11 杭州电子科技大学 一种基于多通道脑电信号的bect棘波智能检测方法
CN114159076A (zh) * 2021-09-17 2022-03-11 天津大学 用于辅助癫痫灶定位的脑电高频振荡信号自动检测系统
CN114159076B (zh) * 2021-09-17 2024-02-27 天津大学 用于辅助癫痫灶定位的脑电高频振荡信号自动检测系统
CN114081509A (zh) * 2021-11-12 2022-02-25 郑州市中心医院 一种脑电波中癫痫电波识别方法及系统
CN115081471A (zh) * 2022-05-13 2022-09-20 浙江大学 一种基于多频段复合波形的峰电位检测及分类方法及用途
CN116712089A (zh) * 2023-07-26 2023-09-08 华南师范大学 富集癫痫发作间期的癫痫样放电和预测致病灶的方法
CN116712089B (zh) * 2023-07-26 2024-03-22 华南师范大学 富集癫痫发作间期的癫痫样放电和预测致病灶的方法

Similar Documents

Publication Publication Date Title
CN110477908A (zh) 一种智能识别癫痫灶的方法
CN107569228B (zh) 基于频带信息和支持向量机的颅内脑电信号特征波识别装置
US9687657B2 (en) Pacemaker signal detecting method, pacemaker signal detecting system and electrocardial detecting device
CN103720468B (zh) 应用于动态心电数据的伪差识别方法和装置
CN105956623A (zh) 一种基于模糊熵的癫痫脑电信号分类方法
CN107041743A (zh) 一种心电信号实时r波检测方法
CN107874756A (zh) 脑电采集系统和视频采集系统的精确同步方法
CN108420429A (zh) 一种基于多视角深度特征融合的脑电癫痫自动识别方法
Chua et al. Improved patient specific seizure detection during pre-surgical evaluation
CN104510468A (zh) 一种脑电信号的特征提取方法及装置
CN109009087B (zh) 一种心电信号r波的快速检测方法
CN104095627A (zh) 一种心电图数字化信号质量软判决方法和装置
Wu et al. Fast, accurate localization of epileptic seizure onset zones based on detection of high-frequency oscillations using improved wavelet transform and matching pursuit methods
CN107374619A (zh) 一种r波快速识别方法
CN114587381A (zh) 基于多通道脑电智能筛选与加权样本生成的棘波检测方法
CN104382589B (zh) 基于部分按段重采样的胎儿心电图分离提取方法
CN117898743A (zh) 一种脑电信号预处理方法、系统和终端设备
CN109770897A (zh) 一种脑电棘波的处理识别方法及装置
CN116807496A (zh) 癫痫间期脑电波异常信号的定位方法、装置、设备及介质
CN105286852A (zh) 心电信号的检测方法和装置
CN105852852B (zh) 指数脑电图仪的使用方法
CN110141214A (zh) 一种心电图识别的标注方法及其应用
CN110507299A (zh) 一种心率信号检测装置及方法
CN113558637B (zh) 一种基于相位传递熵的音乐感知下脑网络构建方法
CN116390685A (zh) 脑电波异常放电检测方法、装置、介质及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191122