CN111557662A - 癫痫间期脑电信号的处理方法、装置、存储介质及设备 - Google Patents
癫痫间期脑电信号的处理方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN111557662A CN111557662A CN202010414039.3A CN202010414039A CN111557662A CN 111557662 A CN111557662 A CN 111557662A CN 202010414039 A CN202010414039 A CN 202010414039A CN 111557662 A CN111557662 A CN 111557662A
- Authority
- CN
- China
- Prior art keywords
- interval
- epileptic
- electroencephalogram
- abnormal
- signal
- 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.)
- Granted
Links
- 230000001037 epileptic effect Effects 0.000 title claims abstract description 378
- 238000003672 processing method Methods 0.000 title description 7
- 230000002159 abnormal effect Effects 0.000 claims abstract description 402
- 238000005070 sampling Methods 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000004070 electrodeposition Methods 0.000 claims abstract description 10
- 210000004556 brain Anatomy 0.000 claims description 19
- 206010015037 epilepsy Diseases 0.000 claims description 11
- 208000020588 necrotizing soft tissue infection Diseases 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 abstract description 8
- 238000000605 extraction Methods 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 6
- 206010010904 Convulsion Diseases 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 7
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000016507 interphase Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000000537 electroencephalography Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000036461 convulsion Effects 0.000 description 2
- 208000028329 epileptic seizure Diseases 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000003217 Tetany Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000011337 individualized treatment Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种癫痫间期脑电信号的处理方法、装置、存储介质及设备,其中,该方法包括:获取目标脑电信号;将癫痫间期脑电信号滤波至与异常波形相对应的频带范围内,提取出包络线;确定所有采样时刻对应的采样点,并确定信号阈值;将不小于信号阈值的采样点所对应的采样时刻作为异常时刻点,并确定所对应的异常时间段和电极位置;将癫痫间期脑电信号的所有异常时间段所对应的癫痫间期脑电信号作为异常信号。通过本发明实施例提供的技术方案,提高了异常脑电信号的提取效率,并可以避免人为失误,能够提高准确度;且基于间期的脑电信号进行处理,具有较好的普适性,可以克服发作期脑电评估适用性差的缺陷。
Description
技术领域
本发明涉及脑电信号处理技术领域,具体而言,涉及一种癫痫间期脑电信号的处理方法、装置、存储介质及设备。
背景技术
癫痫是最常见的一种神经疾病之一,全球目前约有5000万癫痫患者。至今为止,绝大多数患者的癫痫无法根治,只能通过长期服药对病情进行控制。
脑电图是一种对大脑活动的直接测量方法,是目前临床上神经内科医生进行癫痫诊断的最主要的检测手段之一。癫痫脑电图分为癫痫发作期和癫痫间期两种状态:发作期指的是患者出现癫痫发作的表现,并通常伴有肢体抽搐、强直、意识丧失等表现;间期则指的是脑电记录到的没有发作期的时刻。患者在间期通常不会出现异常的症状学表现。
目前,神经内科医生对脑电图的人工读图是目前最常见的脑电图评估方法。癫痫患者在就诊时通常会进行2小时或以上的脑电图检查,
有经验的神经内科医生通过对采集到的脑电图波形图在读图软件中进行逐屏的检查,标记癫痫相关异常脑电图波形的出现时刻和位置,并形成脑电图报告,从而确定病人是否存在癫痫样放电和癫痫样放电等异常波形的形态、出现频率和位置等,方便医生评估癫痫的致痫诱因和严重程度,并结合其他症状学和影像等分析手段,为患者制定个性化的治疗方案。因此,能够快速、准确地读取出脑电信号中的异常波形是十分重要的。
在实现本发明的过程中,发明人发现现有的方案中至少存在如下问题:
由于医生需要对2个小时或以上的脑电图数据进行逐屏检查,使得脑电图检查具有极大的时间成本,这也是制约目前临床神经内科癫痫诊断效率的主要瓶颈。此外,人工脑电图检查完全依赖医生的专业经验,目前国内可以开展独立脑电图诊断的神经内科医生严重缺乏,这使得很多医院的神经内科尚无法开展脑电图诊断。
发明内容
为解决人工读取癫痫间期脑电图的时间成本大、且难度高的技术问题,本发明实施例的目的在于提供一种癫痫间期脑电信号的处理方法、装置、存储介质及设备。
第一方面,本发明实施例提供了一种癫痫间期脑电信号的处理方法,包括:
获取目标脑电信号,所述目标脑电信号包括多个导联所对应的癫痫间期脑电信号;
对每个所述癫痫间期脑电信号分别进行带通滤波处理,将所述癫痫间期脑电信号滤波至与异常波形相对应的频带范围内,并根据滤波后的所述癫痫间期脑电信号提取出所述癫痫间期脑电信号的包络线;
根据所述癫痫间期脑电信号的包络线确定所有采样时刻对应的采样点,确定所述癫痫间期脑电信号的采样点的中位值和所有所述癫痫间期脑电信号的采样点的群体中位值,并根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值;
将所述癫痫间期脑电信号中不小于所述信号阈值的采样点所对应的采样时刻作为异常时刻点;对所有的所述异常时刻点进行逐点扫描,确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段;
将所述癫痫间期脑电信号的所有所述异常时间段所对应的癫痫间期脑电信号作为所述癫痫间期脑电信号的异常信号,并确定所有所述癫痫间期脑电信号的异常信号的出现时间和电极位置。
在一种可能的实现方式中,在所述获取目标脑电信号之前,该方法还包括:
确定每个导联所对应的癫痫间期脑电原始信号;
对所述癫痫间期脑电原始信号进行独立分量分解,将所述癫痫间期脑电原始信号分解为多个独立分量;
分别确定所述导联所对应的每个所述独立分量与干扰信号之间的相关度,所述干扰信号包括心电信号、肌电信号、眼电信号中的一项或多项;
在所述导联所对应的所述独立分量中,将相关度小于预设阈值的所有所述独立分量进行整合,生成所述导联所对应的癫痫间期脑电信号,并生成所有导联所对应的癫痫间期脑电信号。
在一种可能的实现方式中,所述根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值包括:
根据所述群体中位值和所述癫痫间期脑电信号的中位值中的较大值确定所述癫痫间期脑电信号的信号阈值,且所述信号阈值为:
wn=max(as0,bsn);
其中,wn表示第n个所述癫痫间期脑电信号所对应的信号阈值,s0表示基于所有所述癫痫间期脑电信号的采样点的群体中位值,sn表示基于第n个所述癫痫间期脑电信号的所有采样点所确定的中位值,a和b分别表示相应的调整的系数。
在一种可能的实现方式中,在所述确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,该方法还包括:
确定所述癫痫间期脑电信号的异常时长比例,并根据所有所述癫痫间期脑电信号的异常时长比例生成直方图;其中,所述异常时长比例为所述癫痫间期脑电信号的所有所述异常时间段之和与总时长之间的比值,所述异常时长比例具体为:
其中,IBIn为第n个所述癫痫间期脑电信号的异常时长比例,ti为所述癫痫间期脑电信号的第i个异常时间段的时长,T为采集所述癫痫间期脑电信号的总时长。
在一种可能的实现方式中,在所述确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,该方法还包括:
确定所述癫痫间期脑电信号的异常时长比例,并根据所有所述癫痫间期脑电信号的异常时长比例生成标准异常比例;其中,所述异常时长比例为所述癫痫间期脑电信号的所有所述异常时间段之和与总时长之间的比值;
第n个所述癫痫间期脑电信号的标准异常比例为:
其中,IBIn为第n个所述癫痫间期脑电信号的异常时长比例,N为所述癫痫间期脑电信号的总数量,median()表示中位值运算。
在一种可能的实现方式中,该方法还包括:
获取每个导联所对应的历史异常时长比例和历史标准异常比例;
根据当前的所述异常时长比例、当前的所述标准异常比例、所述历史异常时长比例和所述历史标准异常比例确定变化结果,所述变化结果包括导联所对应的异常变化量、总异常变化量、总标准异常比例变化量中的一项或多项,且第n个导联所对应的异常变化量ΔIBIn、总异常变化量STI、总标准异常比例变化量NSTI分别为:
其中,IBI'n为第n个导联所对应的历史异常时长比例,NIBI'n为第n个导联所对应的历史标准异常比例。
第二方面,本发明实施例还提供了一种癫痫间期脑电信号的处理装置,包括:
获取模块,用于获取目标脑电信号,所述目标脑电信号包括多个导联所对应的癫痫间期脑电信号;
处理模块,用于对每个所述癫痫间期脑电信号分别进行带通滤波处理,将所述癫痫间期脑电信号滤波至与异常波形相对应的频带范围内,并根据滤波后的所述癫痫间期脑电信号提取出所述癫痫间期脑电信号的包络线;
阈值确定模块,用于根据所述癫痫间期脑电信号的包络线确定所有采样时刻对应的采样点,确定所述癫痫间期脑电信号的采样点的中位值和所有所述癫痫间期脑电信号的采样点的群体中位值,并根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值;
异常时间段确定模块,用于将所述癫痫间期脑电信号中不小于所述信号阈值的采样点所对应的采样时刻作为异常时刻点;对所有的所述异常时刻点进行逐点扫描,确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段;
异常信号确定模块,用于将所述癫痫间期脑电信号的所有所述异常时间段所对应的癫痫间期脑电信号作为所述癫痫间期脑电信号的异常信号,并确定所有所述癫痫间期脑电信号的异常信号的出现时间和电极位置。
在一种可能的实现方式中,该装置还包括:预处理模块;
在所述获取模块获取目标脑电信号之前,所述预处理模块用于:
确定每个导联所对应的癫痫间期脑电原始信号;
对所述癫痫间期脑电原始信号进行独立分量分解,将所述癫痫间期脑电原始信号分解为多个独立分量;
分别确定所述导联所对应的每个所述独立分量与干扰信号之间的相关度,所述干扰信号包括心电信号、肌电信号、眼电信号中的一项或多项;
在所述导联所对应的所述独立分量中,将相关度小于预设阈值的所有所述独立分量进行整合,生成所述导联所对应的癫痫间期脑电信号,并生成所有导联所对应的癫痫间期脑电信号。
第三方面,本发明实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于上述任意一项所述的医疗设备的质量监督方法。
第四方面,本发明实施例还提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任意一项所述的医疗设备的质量监督方法。
本发明实施例上述第一方面提供的方案中,确定每个导联的癫痫间期脑电信号的信号阈值,基于该信号阈值对相应的癫痫间期脑电信号的包络线进行过阈值检测,从而提取出异常时间段,进而可以确定相应的异常信号,方便医生后续基于该异常信号对待测者进行问诊。该方式不需要医生人工读取脑电信号中的异常信号,也不需要医生人工统计所有的异常时间段,大大提高了异常信号的提取效率;且自动提取异常信号的方式可以避免人为失误,能够提高准确度;且基于间期的脑电信号进行处理,具有较好的普适性,可以克服发作期脑电评估适用性差的缺陷。同时,以中位值为基准,结合群体中位值和癫痫间期脑电信号的中位值来确定相应的信号阈值,能够更加准确地划分异常信号与非异常信号,可以更准确地提取出异常信号。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种癫痫间期脑电信号的处理方法的流程图;
图2示出了本发明实施例所提供的癫痫间期脑电信号的处理方法的一种应用场景示意图;
图3示出了本发明实施例所提供的癫痫间期脑电信号的处理方法所生成的直方图的一种示意图;
图4示出了本发明实施例所提供的癫痫间期脑电信号的处理方法中,提取出的异常信号的一种示意图;
图5示出了本发明实施例所提供的一种癫痫间期脑电信号的处理装置的结构示意图;
图6示出了本发明实施例所提供的用于执行癫痫间期脑电信号的处理方法的电子设备的结构示意图。
具体实施方式
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
发作期脑电评估需要记录到癫痫病人的癫痫发作状态。然而对于很多癫痫病人,其并不会在脑电图检查时间内出现癫痫发作;此外,癫痫发作通常伴随着剧烈的肢体强直、抽搐等表现,使得记录到的脑电信号存在严重的肌电干扰,极大干扰医生对于癫痫脑电图的判断。这些问题使得发作期脑电评估的适用性较差,即基于发作期脑电信号难以准确判断,故本实施例中基于癫痫间期脑电信号进行处理。本发明实施例提供的一种癫痫间期脑电信号的处理方法,参见图1所示,包括:
步骤101:获取目标脑电信号,该目标脑电信号包括多个导联所对应的癫痫间期脑电信号。
本发明实施例中,可以基于脑电测量装置采集待测者的脑电信号,该脑电测量装置的每个导联(电极)可以采集到一个相应的脑电信号,即癫痫间期脑电信号。如图2所示,该脑电测量装置具体可以是包含脑电帽等的脑电图(electroencephalogram,EEG)设备,脑电图设备每个导联采集到一个属于间期的脑电信号,之后即可将采集到的所有的脑电信号发送至本地主机,从而生成包含多个导联的癫痫间期脑电信号的目标脑电信号。其中,可以直接将采集到的脑电信号作为癫痫间期脑电信号,也可以将预处理后的脑电信号作为癫痫间期脑电信号。
本实施例中,在确定该目标脑电信号之后,即可对该间期的目标脑电信号进行处理,即执行后续的步骤102至步骤105等。其中,对目标脑电信号的处理过程可以由本地进行,即如图2所示,本地主机获取到该目标脑电信号之后,由本地主机执行本地计算,即图2中的①所对应的处理过程。或者,也可将采集到的脑电信号发送至远端主机或云端服务器,之后由远端主机或云端服务器基于该脑电信号进行相应的远端计算处理或云端计算处理,具体可参见图2中的②和③所对应的处理过程。
步骤102:对每个癫痫间期脑电信号分别进行带通滤波处理,将癫痫间期脑电信号滤波至与异常波形相对应的频带范围内,并根据滤波后的癫痫间期脑电信号提取出癫痫间期脑电信号的包络线。
本发明实施例中,对于每个导联的癫痫间期脑电信号,将该癫痫间期脑电信号带通滤波到癫痫样异常波形常见的频带范围。例如,对于脑电图设备采集到的癫痫间期脑电信号,以采用14-50Hz带通滤波器进行滤波,即将癫痫间期脑电信号滤波至14-50Hz的频带范围内,形成带通信号。同时,对于每个导联的癫痫间期脑电信号,对滤波后的癫痫间期脑电信号进行包络提取,以提取出该癫痫间期脑电信号的包络线;其中,可以使用短时时间窗平滑的方式对带通信号进行包络提取。
步骤103:根据癫痫间期脑电信号的包络线确定所有采样时刻对应的采样点,确定癫痫间期脑电信号的采样点的中位值和所有癫痫间期脑电信号的采样点的群体中位值,并根据群体中位值和癫痫间期脑电信号的中位值确定癫痫间期脑电信号的信号阈值。
本发明实施例中,可以将脑电图设备采集脑电信号时的时间点作为相应的采样时刻,进而可以确定包络线上与该采样时刻所对应的采样点,之后可以采用过阈值检测的方式提取异常信号,其中,首先需要确定相应的阈值。本实施例中,基于所有癫痫间期脑电信号的采样点的群体中位值和癫痫间期脑电信号的采样点的中位值确定该癫痫间期脑电信号的信号阈值,即每个癫痫间期脑电信号对应一个信号阈值。
具体的,对于第n个导联所对应的癫痫间期脑电信号,基于该癫痫间期脑电信号的所有采样点即可确定相应的中位值sn;同样的,基于所有导联所对应的所有癫痫间期脑电信号的采样点也可以确定一个中位值,即群体中位值s0,则对于第n个癫痫间期脑电信号,可以基于中位值sn和群体中位值s0即可确定相应的信号阈值wn。
可选的,可以根据群体中位值和癫痫间期脑电信号的中位值中的较大值确定癫痫间期脑电信号的信号阈值。具体的,该信号阈值为:
wn=max(as0,bsn);其中,wn表示第n个癫痫间期脑电信号所对应的信号阈值,s0表示基于所有癫痫间期脑电信号的采样点的群体中位值,sn表示基于第n个癫痫间期脑电信号的所有采样点所确定的中位值,a和b分别表示相应的调整的系数。例如,该a和b的取值范围可以是3至5之间。基于群体中位值和癫痫间期脑电信号的中位值中的较大值来确定癫痫间期脑电信号的信号阈值,可以同时兼顾群体脑电信号的统计分布特征和该导联内部脑电信号的统计分布特征,从而适用于信噪比较差的临床脑电使用场景。
步骤104:将癫痫间期脑电信号中不小于信号阈值的采样点所对应的采样时刻作为异常时刻点;对所有的异常时刻点进行逐点扫描,确定癫痫间期脑电信号的每个异常时刻点所对应的异常时间段。
本发明实施例中,在确定相应的信号阈值之后,即可基于该信号阈值确定癫痫间期脑电信号的采样点中的异常采样点。若癫痫间期脑电信号的采样点不小于信号阈值,则说明该采样点所对应的信号强度较强,该采样点极有可能是异常采样点;本实施例中将异常采样点所对应的采样时刻作为异常时刻点,之后基于逐点扫描的方式确定每个异常时刻点所对应的异常时间段,从而可以确定每个癫痫间期脑电信号所包含的所有异常时间段。
具体的,可以采用20ms短时时间窗对每一个导联的每个异常采样点进行逐点扫描,将20ms短时时间窗内全部采样点所对应的时段作为异常时刻点的时段,即异常时间段。其中,该异常采样点可以是20ms短时间窗的起点、中心点、终点,也可以是其他位置的点,本实施例对此不做限定。
步骤105:将癫痫间期脑电信号的所有异常时间段所对应的癫痫间期脑电信号作为癫痫间期脑电信号的异常信号,并确定所有癫痫间期脑电信号的异常信号的出现时间和电极位置。
本发明实施例中,该异常时间段对应脑电信号强度较大的时间段,对于该癫痫间期脑电信号,将其所有异常时间段对应的癫痫间期脑电信号作为相应的异常信号;同时,对于每个癫痫间期脑电信号,均可以采用上述过阈值检测的方式提取出癫痫间期脑电信号中的异常信号,进而确定异常信号的出现时间和其所对应的电极位置。在确定所有癫痫间期脑电信号的异常信号之后,使得医生可以基于提取出的所有异常信号对待测者进行问诊,而不需要医生人工判读原始脑电图。
本发明实施例提供的一种癫痫间期脑电信号的处理方法,确定每个导联的癫痫间期脑电信号的信号阈值,基于该信号阈值对相应的癫痫间期脑电信号的包络线进行过阈值检测,从而提取出异常时间段,进而可以确定相应的异常信号,方便医生后续基于该异常信号对待测者进行问诊。该方式不需要医生人工读取脑电信号中的异常信号,也不需要医生人工统计所有的异常时间段,大大提高了异常脑电信号的提取效率;且自动提取异常信号的方式可以避免人为失误,能够提高准确度;且基于癫痫间期的脑电信号进行处理,具有较好的普适性,可以克服发作期脑电评估适用性差的缺陷。同时,以中位值为基准,结合群体中位值和癫痫间期脑电信号的中位值来确定相应的信号阈值,能够更加准确地划分异常信号与非异常信号,可以更准确地提取出异常信号。
在上述实施例的基础上,该方法还需要对采集到的脑电信号进行预处理。具体的,在上述步骤101“获取目标脑电信号”之前,该方法还包括:
步骤A1:确定每个导联所对应的癫痫间期脑电原始信号。
本发明实施例中,每个导联所采集到的脑电信号即可作为癫痫间期脑电原始信号,例如脑电图设备采集到的脑电信号。其中,在获取到该癫痫间期脑电原始信号之后,可以首先采用50Hz陷波滤波器进行工频信号去除,之后在执行后续的步骤A2等。
步骤A2:对癫痫间期脑电原始信号进行独立分量分解,将癫痫间期脑电原始信号分解为多个独立分量。
步骤A3:分别确定导联所对应的每个独立分量与干扰信号之间的相关度,干扰信号包括心电信号、肌电信号、眼电信号中的一项或多项。
步骤A4:在导联所对应的独立分量中,将相关度小于预设阈值的所有独立分量进行整合,生成导联所对应的癫痫间期脑电信号,并生成所有导联所对应的癫痫间期脑电信号。
本实施例中,由于在采集脑电信号的过程中可能存在干扰信号,例如心电信号、肌电信号、眼电信号等,若在采集脑电信号的过程中存在同步记录的干扰信号,则可以对记录到的癫痫间期脑电原始信号进行独立分量分解(Independent Component Analysis,ICA),进而能够将癫痫间期脑电原始信号分解为多个独立分量(Independent Components,ICs)。
对于一个导联,分别计算该导联的每个独立分量与干扰信号之间的相关度,基于该相关度进行过阈值检测;其中,若该相关度不小于预设阈值,则说明该独立分量极有可能是由于除脑电之外的其他电生理信号(如心电、肌电、眼电等)产生的伪差,此时可以取出该部分独立分量;相反的,若相关度小于该预设阈值,则可认为该独立分量主要是脑电信号,即该部分的独立分量是有效的,此时可以将该部分独立分量进行整合,从而生成该导联所对应的癫痫间期脑电信号。对于其他导联,基于同样的方式也可生成相应的癫痫间期脑电信号。
其中,独立分量与干扰信号之间的相关度具体可以为皮尔森相关性,该相关度具体为:
其中,Xn表示第n个导联的癫痫间期脑电原始信号的独立分量成分的时间序列,Ym表示第m个其他电生理信号的时间序列,cov(Xn,Ym)表示信号Xn和信号Ym之间的协方差,σXn和σYm分别表示信号Xn和信号Ym的标准差。
本发明实施例中,基于皮尔森相关性可以比较准确地确定独立分量与干扰信号之间的相似性,从而去除其他电生理信号伪差成分,最终生成只包含脑电信号的癫痫间期脑电信号,可以有效避免其他电生理信号的影响。
在上述实施例的基础上,在步骤104确定癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,该方法还包括:
步骤B1:确定癫痫间期脑电信号的异常时长比例,并根据所有癫痫间期脑电信号的异常时长比例生成直方图;其中,异常时长比例为癫痫间期脑电信号的所有异常时间段之和与总时长之间的比值,异常时长比例具体为:
其中,IBIn为第n个癫痫间期脑电信号的异常时长比例,ti为癫痫间期脑电信号的第i个异常时间段的时长,T为采集癫痫间期脑电信号的总时长,例如2小时等。
本发明实施例中,通过统计每个导联的异常信号所占时刻在全部记录时间中所占的比例,进而可以生成直方图。具体的,对于第n个癫痫间期脑电信号,其异常时长比例可以作为一种间期标准异常比例(Inter-ictal Burden Index,IBI),该异常时长比例越大,说明该导联的癫痫间期脑电信号中存在越多的异常信号,该导联所对应的癫痫间期脑电信号越异常。本实施例提供的一种直方图可参见图3所示,图3中的横坐标表示导联,其中的A1、B14等表示导联的标号;图3的纵坐标表示异常事件比例(单位为%)。本实施例中,可以预先设置异常时长比例的阈值,若某个导联的异常时长比例超过该阈值,则说明该导联极有可能是致痫导联,如图3中框出来的G1、G2等导联。
可选的,在步骤104确定癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,该方法还包括:
步骤B2:确定癫痫间期脑电信号的异常时长比例,并根据所有癫痫间期脑电信号的异常时长比例生成标准异常比例;其中,异常时长比例为癫痫间期脑电信号的所有异常时间段之和与总时长之间的比值;
第n个癫痫间期脑电信号的标准异常比例为:
其中,IBIn为第n个癫痫间期脑电信号的异常时长比例,N为癫痫间期脑电信号的总数量,median()表示中位值运算。
本发明实施例中,还可以对异常时长比例进行标准化处理,生成相应的标准异常比例,该标准异常比例可以作为是间期标准化异常指数(Normalized Inter-ictal BurdenIndex,NIBI),其与上述的异常时长比例均可以评价相应的癫痫间期脑电信号。其中,异常时长比例可以偏向于表示脑电过强的严重程度,标准异常比例可以偏向于表示异常脑电信号的主要范围。如图4所示,图4中的横坐标为时间(单位:秒),纵坐标表示导联,其中框选出的表示异常的癫痫间期脑电信号,即异常的癫痫间期脑电信号主要分布在导联F14至G5、G13至H4之间。
在上述实施例的基础上,若本次测量是待测者的复诊过程,则还可以基于本次的测量结果和之前的测量结果进行对比,方便医生判断待测者的病情变化。特别的,待测者在服药之后会进行定期复诊,此时也可以协助医生判断待测者所服用的药物是否有效。具体的,该方法还包括:
步骤C1:获取每个导联所对应的历史异常时长比例和历史标准异常比例。
步骤C2:根据当前的异常时长比例、当前的标准异常比例、历史异常时长比例和历史标准异常比例确定变化结果,变化结果包括导联所对应的异常变化量、总异常变化量、总标准异常比例变化量中的一项或多项,且第n个导联所对应的异常变化量ΔIBIn、总异常变化量STI、总标准异常比例变化量NSTI分别为:
其中,IBI'n为第n个导联所对应的历史异常时长比例,NIBI'n为第n个导联所对应的历史标准异常比例。
本发明实施例中,若待测者之前曾做过脑电检查,则可以获取该待测者之前检查时所确定的历史异常时长比例和历史标准异常比例,即历史异常时长比例、历史标准异常比例与本次的异常时长比例、标准异常比例属于同一个待测者;其中,生成该历史异常时长比例的过程与上述生成异常时长比例的过程相似、生成该历史标准异常比例的过程与上述生成标准异常比例的过程相似,此处不做赘述。在确定之前的历史异常时长比例和历史标准异常比例之后,结合本次的异常时长比例、标准异常比例即可确定相应的变化结果,如确定异常变化量、总异常变化量、总标准异常比例变化量等。
本实施例中,每个导联对应一个异常变化量,对于第n个导联,其所对应的异常变化量为该异常变化量可以表征相应导联的间期活动变化,从而评估异常间期活动的范围。此外,基于上述的方式也可确定病情变化指数(Seizure TrendIndex,STI)和病情标准化变化指数(Normalized Seizure Trend Index,NSTI),即可以确定异常变化量STI和总标准异常比例变化量NSTI。本实施例中,可以基于异常变化量STI和总标准异常比例变化量NSTI,来评估待测者病情的发展程度。其中,指数(异常变化量STI、或总标准异常比例变化量NSTI)大于0表示病情加重,指数小于0表示病情减轻,且指数的绝对值越大表示变化越明显。
本发明实施例提供的一种癫痫间期脑电信号的处理方法,确定每个导联的癫痫间期脑电信号的信号阈值,基于该信号阈值对相应的癫痫间期脑电信号的包络线进行过阈值检测,从而提取出异常时间段,进而可以确定相应的异常信号,方便医生后续基于该异常信号对待测者进行问诊。该方式不需要医生人工读取脑电信号中的异常信号,也不需要医生人工统计所有的异常时间段,大大提高了异常脑电信号的提取效率;且自动提取异常信号的方式可以避免人为失误,能够提高准确度;且基于间期的脑电信号进行处理,具有较好的普适性,可以克服发作期脑电评估适用性差的缺陷。同时,以中位值为基准,结合群体中位值和癫痫间期脑电信号的中位值来确定相应的信号阈值,能够更加准确地划分异常信号与非异常信号,可以更准确地提取出异常信号。基于皮尔森相关性可以比较准确地确定独立分量与干扰信号之间的相似性,从而去除其他电生理信号伪差成分,最终生成只包含脑电信号的癫痫间期脑电信号,可以有效避免其他电生理信号的影响。基于异常时长比例或标准异常比例可以定量对癫痫间期脑电信号进行评价分析;对于复诊的待测者,基于异常变化量、总异常变化量、总标准异常比例变化量等变化结果定量表示病情的活动强度变化和范围变化,也方便医生后续进行定量评估。
以上详细介绍了癫痫间期脑电信号的处理方法流程,该方法也可以通过相应的装置实现,下面详细介绍该装置的结构和功能。
基于同样的发明构思,本发明实施例还提供一种癫痫间期脑电信号的处理装置,参见图5所示,该装置包括:
获取模块51,用于获取目标脑电信号,所述目标脑电信号包括多个导联所对应的癫痫间期脑电信号;
处理模块52,用于对每个所述癫痫间期脑电信号分别进行带通滤波处理,将所述癫痫间期脑电信号滤波至与异常波形相对应的频带范围内,并根据滤波后的所述癫痫间期脑电信号提取出所述癫痫间期脑电信号的包络线;
阈值确定模块53,用于根据所述癫痫间期脑电信号的包络线确定所有采样时刻对应的采样点,确定所述癫痫间期脑电信号的采样点的中位值和所有所述癫痫间期脑电信号的采样点的群体中位值,并根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值;
异常时间段确定模块54,用于将所述癫痫间期脑电信号中不小于所述信号阈值的采样点所对应的采样时刻作为异常时刻点;对所有的所述异常时刻点进行逐点扫描,确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段;
异常信号确定模块55,用于将所述癫痫间期脑电信号的所有所述异常时间段所对应的癫痫间期脑电信号作为所述癫痫间期脑电信号的异常信号,并确定所有所述癫痫间期脑电信号的异常信号的出现时间和电极位置。
本发明实施例提供的一种癫痫间期脑电信号的处理装置,确定每个导联的癫痫间期脑电信号的信号阈值,基于该信号阈值对相应的癫痫间期脑电信号的包络线进行过阈值检测,从而提取出异常时间段,进而可以确定相应的异常信号,方便医生后续基于该异常信号对待测者进行问诊。该方式不需要医生人工读取脑电信号中的异常信号,也不需要医生人工统计所有的异常时间段,大大提高了异常信号的提取效率;且自动提取异常信号的方式可以避免人为失误,能够提高准确度;且基于间期的脑电信号进行处理,具有较好的普适性,可以克服发作期脑电评估适用性差的缺陷。同时,以中位值为基准,结合群体中位值和癫痫间期脑电信号的中位值来确定相应的信号阈值,能够更加准确地划分异常信号与非异常信号,可以更准确地提取出异常信号。
在上述实施例的基础上,该装置还包括:预处理模块;
在所述获取模块51获取目标脑电信号之前,所述预处理模块用于:
确定每个导联所对应的癫痫间期脑电原始信号;
对所述癫痫间期脑电原始信号进行独立分量分解,将所述癫痫间期脑电原始信号分解为多个独立分量;
分别确定所述导联所对应的每个所述独立分量与干扰信号之间的相关度,所述干扰信号包括心电信号、肌电信号、眼电信号中的一项或多项;
在所述导联所对应的所述独立分量中,将相关度小于预设阈值的所有所述独立分量进行整合,生成所述导联所对应的癫痫间期脑电信号,并生成所有导联所对应的癫痫间期脑电信号。
在上述实施例的基础上,所述阈值确定模块53根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值包括:
根据所述群体中位值和所述癫痫间期脑电信号的中位值中的较大值确定所述癫痫间期脑电信号的信号阈值,且所述信号阈值为:
wn=max(as0,bsn);
其中,wn表示第n个所述癫痫间期脑电信号所对应的信号阈值,s0表示基于所有所述癫痫间期脑电信号的采样点的群体中位值,sn表示基于第n个所述癫痫间期脑电信号的所有采样点所确定的中位值,a和b分别表示相应的调整的系数。
在上述实施例的基础上,该装置还包括直方图生成模块;
在所述异常时间段确定模块54确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,所述直方图生成模块用于:
确定所述癫痫间期脑电信号的异常时长比例,并根据所有所述癫痫间期脑电信号的异常时长比例生成直方图;其中,所述异常时长比例为所述癫痫间期脑电信号的所有所述异常时间段之和与总时长之间的比值,所述异常时长比例具体为:
其中,IBIn为第n个所述癫痫间期脑电信号的异常时长比例,ti为所述癫痫间期脑电信号的第i个异常时间段的时长,T为采集所述癫痫间期脑电信号的总时长。
在上述实施例的基础上,该装置还包括标准异常比例生成模块;
在所述异常时间段确定模块54确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,所述标准异常比例生成模块用于:
确定所述癫痫间期脑电信号的异常时长比例,并根据所有所述癫痫间期脑电信号的异常时长比例生成标准异常比例;其中,所述异常时长比例为所述癫痫间期脑电信号的所有所述异常时间段之和与总时长之间的比值;
第n个所述癫痫间期脑电信号的标准异常比例为:
其中,IBIn为第n个所述癫痫间期脑电信号的异常时长比例,N为所述癫痫间期脑电信号的总数量,median()表示中位值运算。
在上述实施例的基础上,该装置还包括对比模块;所述对比模块用于:
获取每个导联所对应的历史异常时长比例和历史标准异常比例;
根据当前的所述异常时长比例、当前的所述标准异常比例、所述历史异常时长比例和所述历史标准异常比例确定变化结果,所述变化结果包括导联所对应的异常变化量、总异常变化量、总标准异常比例变化量中的一项或多项,且第n个导联所对应的异常变化量ΔIBIn、总异常变化量STI、总标准异常比例变化量NSTI分别为:
其中,IBI'n为第n个导联所对应的历史异常时长比例,NIBI'n为第n个导联所对应的历史标准异常比例。
本发明实施例提供的一种癫痫间期脑电信号的处理装置,确定每个导联的癫痫间期脑电信号的信号阈值,基于该信号阈值对相应的癫痫间期脑电信号的包络线进行过阈值检测,从而提取出异常时间段,进而可以确定相应的异常信号,方便医生后续基于该异常信号对待测者进行问诊。该方式不需要医生人工读取脑电信号中的异常信号,也不需要医生人工统计所有的异常时间段,大大提高了异常信号的提取效率;且自动提取异常信号的方式可以避免人为失误,能够提高准确度;且基于间期的脑电信号进行处理,具有较好的普适性,可以克服发作期脑电评估适用性差的缺陷。同时,以中位值为基准,结合群体中位值和癫痫间期脑电信号的中位值来确定相应的信号阈值,能够更加准确地划分异常信号与非异常信号,可以更准确地提取出异常信号。基于皮尔森相关性可以比较准确地确定独立分量与干扰信号之间的相似性,从而去除其他电生理信号伪差成分,最终生成只包含脑电信号的癫痫间期脑电信号,可以有效避免其他电生理信号的影响。基于异常时长比例或标准异常比例可以定量对癫痫间期脑电信号进行评价分析;对于复诊的待测者,基于异常变化量、总异常变化量、总标准异常比例变化量等变化结果定量表示病情的活动强度变化和范围变化,也方便医生后续进行定量评估。
本发明实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,其包含用于执行上述的癫痫间期脑电信号的处理方法的程序,该计算机可执行指令可执行上述任意方法实施例中的方法。
其中,所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
具体而言,该计算机可执行指令被执行时可实现以下步骤:
获取目标脑电信号,所述目标脑电信号包括多个导联所对应的癫痫间期脑电信号;
对每个所述癫痫间期脑电信号分别进行带通滤波处理,将所述癫痫间期脑电信号滤波至与异常波形相对应的频带范围内,并根据滤波后的所述癫痫间期脑电信号提取出所述癫痫间期脑电信号的包络线;
根据所述癫痫间期脑电信号的包络线确定所有采样时刻对应的采样点,确定所述癫痫间期脑电信号的采样点的中位值和所有所述癫痫间期脑电信号的采样点的群体中位值,并根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值;
将所述癫痫间期脑电信号中不小于所述信号阈值的采样点所对应的采样时刻作为异常时刻点;对所有的所述异常时刻点进行逐点扫描,确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段;
将所述癫痫间期脑电信号的所有所述异常时间段所对应的癫痫间期脑电信号作为所述癫痫间期脑电信号的异常信号,并确定所有所述癫痫间期脑电信号的异常信号的出现时间和电极位置。
可选的,该计算机可执行指令被执行获取目标脑电信号之前,还可实现以下步骤:
确定每个导联所对应的癫痫间期脑电原始信号;
对所述癫痫间期脑电原始信号进行独立分量分解,将所述癫痫间期脑电原始信号分解为多个独立分量;
分别确定所述导联所对应的每个所述独立分量与干扰信号之间的相关度,所述干扰信号包括心电信号、肌电信号、眼电信号中的一项或多项;
在所述导联所对应的所述独立分量中,将相关度小于预设阈值的所有所述独立分量进行整合,生成所述导联所对应的癫痫间期脑电信号,并生成所有导联所对应的癫痫间期脑电信号。
可选地,该计算机可执行指令被执行“根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值”步骤时,具体实现以下步骤:
根据所述群体中位值和所述癫痫间期脑电信号的中位值中的较大值确定所述癫痫间期脑电信号的信号阈值,且所述信号阈值为:
wn=max(as0,bsn);
其中,wn表示第n个所述癫痫间期脑电信号所对应的信号阈值,s0表示基于所有所述癫痫间期脑电信号的采样点的群体中位值,sn表示基于第n个所述癫痫间期脑电信号的所有采样点所确定的中位值,a和b分别表示相应的调整的系数。
可选的,该计算机可执行指令被执行确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,还可实现以下步骤:
确定所述癫痫间期脑电信号的异常时长比例,并根据所有所述癫痫间期脑电信号的异常时长比例生成直方图;其中,所述异常时长比例为所述癫痫间期脑电信号的所有所述异常时间段之和与总时长之间的比值,所述异常时长比例具体为:
其中,IBIn为第n个所述癫痫间期脑电信号的异常时长比例,ti为所述癫痫间期脑电信号的第i个异常时间段的时长,T为采集所述癫痫间期脑电信号的总时长。
可选的,该计算机可执行指令被执行确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,还可实现以下步骤:
确定所述癫痫间期脑电信号的异常时长比例,并根据所有所述癫痫间期脑电信号的异常时长比例生成标准异常比例;其中,所述异常时长比例为所述癫痫间期脑电信号的所有所述异常时间段之和与总时长之间的比值;
第n个所述癫痫间期脑电信号的标准异常比例为:
其中,IBIn为第n个所述癫痫间期脑电信号的异常时长比例,N为所述癫痫间期脑电信号的总数量,median()表示中位值运算。
可选的,该计算机可执行指令被执行时还可实现以下步骤:
获取每个导联所对应的历史异常时长比例和历史标准异常比例;
根据当前的所述异常时长比例、当前的所述标准异常比例、所述历史异常时长比例和所述历史标准异常比例确定变化结果,所述变化结果包括导联所对应的异常变化量、总异常变化量、总标准异常比例变化量中的一项或多项,且第n个导联所对应的异常变化量ΔIBIn、总异常变化量STI、总标准异常比例变化量NSTI分别为:
其中,IBI'n为第n个导联所对应的历史异常时长比例,NIBI'n为第n个导联所对应的历史标准异常比例。
图6示出了本发明的另一个实施例的一种电子设备的结构框图。所述电子设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对电子设备的具体实现做限定。
该电子设备1100包括至少一个处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory array)1130和总线1140。其中,处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。
通信接口1120用于与网元通信,其中网元包括例如虚拟机管理中心、共享存储等。
处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU,或者是专用集成电路ASIC(Application Specific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器1130用于可执行的指令。存储器1130可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块,并且所述块可按一定的规则组合成虚拟卷。存储器1130存储的指令可被处理器1110执行,以使处理器1110能够执行上述任意方法实施例中的癫痫间期脑电信号的处理方法。
具体而言,该指令被处理器1110执行时可实现以下步骤:
获取目标脑电信号,所述目标脑电信号包括多个导联所对应的癫痫间期脑电信号;
对每个所述癫痫间期脑电信号分别进行带通滤波处理,将所述癫痫间期脑电信号滤波至与异常波形相对应的频带范围内,并根据滤波后的所述癫痫间期脑电信号提取出所述癫痫间期脑电信号的包络线;
根据所述癫痫间期脑电信号的包络线确定所有采样时刻对应的采样点,确定所述癫痫间期脑电信号的采样点的中位值和所有所述癫痫间期脑电信号的采样点的群体中位值,并根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值;
将所述癫痫间期脑电信号中不小于所述信号阈值的采样点所对应的采样时刻作为异常时刻点;对所有的所述异常时刻点进行逐点扫描,确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段;
将所述癫痫间期脑电信号的所有所述异常时间段所对应的癫痫间期脑电信号作为所述癫痫间期脑电信号的异常信号,并确定所有所述癫痫间期脑电信号的异常信号的出现时间和电极位置。
可选的,该指令被处理器1110执行获取目标脑电信号之前,还可实现以下步骤:
确定每个导联所对应的癫痫间期脑电原始信号;
对所述癫痫间期脑电原始信号进行独立分量分解,将所述癫痫间期脑电原始信号分解为多个独立分量;
分别确定所述导联所对应的每个所述独立分量与干扰信号之间的相关度,所述干扰信号包括心电信号、肌电信号、眼电信号中的一项或多项;
在所述导联所对应的所述独立分量中,将相关度小于预设阈值的所有所述独立分量进行整合,生成所述导联所对应的癫痫间期脑电信号,并生成所有导联所对应的癫痫间期脑电信号。
可选地,该指令被处理器1110执行“根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值”步骤时,具体实现以下步骤:
根据所述群体中位值和所述癫痫间期脑电信号的中位值中的较大值确定所述癫痫间期脑电信号的信号阈值,且所述信号阈值为:
wn=max(as0,bsn);
其中,wn表示第n个所述癫痫间期脑电信号所对应的信号阈值,s0表示基于所有所述癫痫间期脑电信号的采样点的群体中位值,sn表示基于第n个所述癫痫间期脑电信号的所有采样点所确定的中位值,a和b分别表示相应的调整的系数。
可选的,该指令被处理器1110执行确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,还可实现以下步骤:
确定所述癫痫间期脑电信号的异常时长比例,并根据所有所述癫痫间期脑电信号的异常时长比例生成直方图;其中,所述异常时长比例为所述癫痫间期脑电信号的所有所述异常时间段之和与总时长之间的比值,所述异常时长比例具体为:
其中,IBIn为第n个所述癫痫间期脑电信号的异常时长比例,ti为所述癫痫间期脑电信号的第i个异常时间段的时长,T为采集所述癫痫间期脑电信号的总时长。
可选的,该指令被处理器1110执行确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段之后,还可实现以下步骤:
确定所述癫痫间期脑电信号的异常时长比例,并根据所有所述癫痫间期脑电信号的异常时长比例生成标准异常比例;其中,所述异常时长比例为所述癫痫间期脑电信号的所有所述异常时间段之和与总时长之间的比值;
第n个所述癫痫间期脑电信号的标准异常比例为:
其中,IBIn为第n个所述癫痫间期脑电信号的异常时长比例,N为所述癫痫间期脑电信号的总数量,median()表示中位值运算。
可选的,该指令被处理器1110执行时还可实现以下步骤:
获取每个导联所对应的历史异常时长比例和历史标准异常比例;
根据当前的所述异常时长比例、当前的所述标准异常比例、所述历史异常时长比例和所述历史标准异常比例确定变化结果,所述变化结果包括导联所对应的异常变化量、总异常变化量、总标准异常比例变化量中的一项或多项,且第n个导联所对应的异常变化量ΔIBIn、总异常变化量STI、总标准异常比例变化量NSTI分别为:
其中,IBI'n为第n个导联所对应的历史异常时长比例,NIBI'n为第n个导联所对应的历史标准异常比例。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种癫痫间期脑电信号的处理方法,其特征在于,包括:
获取目标脑电信号,所述目标脑电信号包括多个导联所对应的癫痫间期脑电信号;
对每个所述癫痫间期脑电信号分别进行带通滤波处理,将所述癫痫间期脑电信号滤波至与异常波形相对应的频带范围内,并根据滤波后的所述癫痫间期脑电信号提取出所述癫痫间期脑电信号的包络线;
根据所述癫痫间期脑电信号的包络线确定所有采样时刻对应的采样点,确定所述癫痫间期脑电信号的采样点的中位值和所有所述癫痫间期脑电信号的采样点的群体中位值,并根据所述群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值;
将所述癫痫间期脑电信号中不小于所述信号阈值的采样点所对应的采样时刻作为异常时刻点;对所有的所述异常时刻点进行逐点扫描,确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段;
将所述癫痫间期脑电信号的所有所述异常时间段所对应的癫痫间期脑电信号作为所述癫痫间期脑电信号的异常信号,并确定所有所述癫痫间期脑电信号的异常信号的出现时间和电极位置。
2.根据权利要求1所述的方法,其特征在于,在所述获取目标脑电信号之前,还包括:
确定每个导联所对应的癫痫间期脑电原始信号;
对所述癫痫间期脑电原始信号进行独立分量分解,将所述癫痫间期脑电原始信号分解为多个独立分量;
分别确定所述导联所对应的每个所述独立分量与干扰信号之间的相关度,所述干扰信号包括心电信号、肌电信号、眼电信号中的一项或多项;
在所述导联所对应的所述独立分量中,将相关度小于预设阈值的所有所述独立分量进行整合,生成所述导联所对应的癫痫间期脑电信号,并生成所有导联所对应的癫痫间期脑电信号。
3.根据权利要求1所述的方法,其特征在于,所述根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值包括:
根据所述群体中位值和所述癫痫间期脑电信号的中位值中的较大值确定所述癫痫间期脑电信号的信号阈值,且所述信号阈值为:
wn=max(as0,bsn);
其中,wn表示第n个所述癫痫间期脑电信号所对应的信号阈值,s0表示基于所有所述癫痫间期脑电信号的采样点的群体中位值,sn表示基于第n个所述癫痫间期脑电信号的所有采样点所确定的中位值,a和b分别表示相应的调整的系数。
7.一种癫痫间期脑电信号的处理装置,其特征在于,包括:
获取模块,用于获取目标脑电信号,所述目标脑电信号包括多个导联所对应的癫痫间期脑电信号;
处理模块,用于对每个所述癫痫间期脑电信号分别进行带通滤波处理,将所述癫痫间期脑电信号滤波至与异常波形相对应的频带范围内,并根据滤波后的所述癫痫间期脑电信号提取出所述癫痫间期脑电信号的包络线;
阈值确定模块,用于根据所述癫痫间期脑电信号的包络线确定所有采样时刻对应的采样点,确定所述癫痫间期脑电信号的采样点的中位值和所有所述癫痫间期脑电信号的采样点的群体中位值,并根据群体中位值和所述癫痫间期脑电信号的中位值确定所述癫痫间期脑电信号的信号阈值;
异常时间段确定模块,用于将所述癫痫间期脑电信号中不小于所述信号阈值的采样点所对应的采样时刻作为异常时刻点;对所有的所述异常时刻点进行逐点扫描,确定所述癫痫间期脑电信号的每个异常时刻点所对应的异常时间段;
异常信号确定模块,用于将所述癫痫间期脑电信号的所有所述异常时间段所对应的癫痫间期脑电信号作为所述癫痫间期脑电信号的异常信号,并确定所有所述癫痫间期脑电信号的异常信号的出现时间和电极位置。
8.根据权利要求7所述的装置,其特征在于,还包括:预处理模块;
在所述获取模块获取目标脑电信号之前,所述预处理模块用于:
确定每个导联所对应的癫痫间期脑电原始信号;
对所述癫痫间期脑电原始信号进行独立分量分解,将所述癫痫间期脑电原始信号分解为多个独立分量;
分别确定所述导联所对应的每个所述独立分量与干扰信号之间的相关度,所述干扰信号包括心电信号、肌电信号、眼电信号中的一项或多项;
在所述导联所对应的所述独立分量中,将相关度小于预设阈值的所有所述独立分量进行整合,生成所述导联所对应的癫痫间期脑电信号,并生成所有导联所对应的癫痫间期脑电信号。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1-6任意一项所述的癫痫间期脑电信号的处理方法。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6任意一项所述的癫痫间期脑电信号的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414039.3A CN111557662B (zh) | 2020-05-15 | 2020-05-15 | 癫痫间期脑电信号的处理方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414039.3A CN111557662B (zh) | 2020-05-15 | 2020-05-15 | 癫痫间期脑电信号的处理方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111557662A true CN111557662A (zh) | 2020-08-21 |
CN111557662B CN111557662B (zh) | 2023-04-18 |
Family
ID=72074733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010414039.3A Active CN111557662B (zh) | 2020-05-15 | 2020-05-15 | 癫痫间期脑电信号的处理方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111557662B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111772585A (zh) * | 2020-07-13 | 2020-10-16 | 清华大学 | 间期颅内脑电信号中癫痫异常群体活动的数据提取方法 |
CN113662560A (zh) * | 2020-12-22 | 2021-11-19 | 北京航空航天大学 | 发作间期痫样放电的检测方法、存储介质和设备 |
CN116807496A (zh) * | 2023-08-25 | 2023-09-29 | 北京大学 | 癫痫间期脑电波异常信号的定位方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106618562A (zh) * | 2017-01-11 | 2017-05-10 | 南京航空航天大学 | 一种可穿戴的癫痫脑电发作脑区定位装置及定位方法 |
US20170311870A1 (en) * | 2014-11-14 | 2017-11-02 | Neurochip Corporation, C/O Zbx Corporation | Method and apparatus for processing electroencephalogram (eeg) signals |
CN108577834A (zh) * | 2018-05-17 | 2018-09-28 | 西安交通大学 | 一种用于癫痫间期棘波自动检测的方法 |
US20180279939A1 (en) * | 2015-06-09 | 2018-10-04 | The Children's Medical Center Corporation | Method and system for locating seizure focus from interictal data |
US20200060566A1 (en) * | 2018-08-24 | 2020-02-27 | Newton Howard | Automated detection of brain disorders |
-
2020
- 2020-05-15 CN CN202010414039.3A patent/CN111557662B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170311870A1 (en) * | 2014-11-14 | 2017-11-02 | Neurochip Corporation, C/O Zbx Corporation | Method and apparatus for processing electroencephalogram (eeg) signals |
US20180279939A1 (en) * | 2015-06-09 | 2018-10-04 | The Children's Medical Center Corporation | Method and system for locating seizure focus from interictal data |
CN106618562A (zh) * | 2017-01-11 | 2017-05-10 | 南京航空航天大学 | 一种可穿戴的癫痫脑电发作脑区定位装置及定位方法 |
CN108577834A (zh) * | 2018-05-17 | 2018-09-28 | 西安交通大学 | 一种用于癫痫间期棘波自动检测的方法 |
US20200060566A1 (en) * | 2018-08-24 | 2020-02-27 | Newton Howard | Automated detection of brain disorders |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111772585A (zh) * | 2020-07-13 | 2020-10-16 | 清华大学 | 间期颅内脑电信号中癫痫异常群体活动的数据提取方法 |
CN113662560A (zh) * | 2020-12-22 | 2021-11-19 | 北京航空航天大学 | 发作间期痫样放电的检测方法、存储介质和设备 |
CN113662560B (zh) * | 2020-12-22 | 2022-05-24 | 北京航空航天大学 | 发作间期痫样放电的检测方法、存储介质和设备 |
CN116807496A (zh) * | 2023-08-25 | 2023-09-29 | 北京大学 | 癫痫间期脑电波异常信号的定位方法、装置、设备及介质 |
CN116807496B (zh) * | 2023-08-25 | 2023-11-24 | 北京大学 | 癫痫间期脑电波异常信号的定位方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111557662B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111557662B (zh) | 癫痫间期脑电信号的处理方法、装置、存储介质及设备 | |
CN107260161B (zh) | 一种心电动力学数据量化分析方法 | |
US8768447B2 (en) | Processing of physiological signal data in patient monitoring | |
CN110960233B (zh) | 一种基于脑电波的抑郁状态检测方法及系统 | |
EP2792297B1 (en) | System and method for the analysis of biopotential signals using motion artifact removal techniques | |
US20070260151A1 (en) | Method and device for filtering, segmenting, compressing and classifying oscillatory signals | |
WO2007131064A2 (en) | Collection and analysis of physiological data | |
US12011281B2 (en) | Quantifying motor function using eeg signals | |
CN106236080B (zh) | 基于多通道的脑电信号中肌电噪声的消除方法 | |
Rodríguez-Carreño et al. | Motor unit action potential duration: measurement and significance | |
WO2019100563A1 (zh) | 心电信号质量评估方法 | |
WO2007131066A2 (en) | Decentralized physiological data collection and analysis system and process | |
CN112244872B (zh) | 脑电图信号伪差识别、去除、评估方法、装置及电子设备 | |
JP6017015B2 (ja) | 脳機能活動度評価装置及びそれを用いた評価システム | |
JP2023018131A (ja) | 電気生理学的誘発電位における変化を検出する医用システム及び方法 | |
KR20220150901A (ko) | 모체 자궁 활동 검출을 위한 융합 신호 처리 | |
JP2012030111A (ja) | 脳波測定方法及び脳波測定装置並びに記録媒体 | |
CN115281685A (zh) | 基于异常检测的睡眠分期识别方法、装置以及计算机可读存储介质 | |
CN117898743A (zh) | 一种脑电信号预处理方法、系统和终端设备 | |
Gupta et al. | Pre-processing based ECG signal analysis using emerging tools | |
US9474460B2 (en) | Non-invasive evaluation of cardiac repolarisation instability for risk stratification of sudden cardiac death | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
CN115067878A (zh) | 基于EEGNet的静息态脑电意识障碍分类方法及系统 | |
CN114869301A (zh) | 检测癫痫样放电的方法和设备 | |
Dembrani et al. | Accurate detection of ECG signals in ECG monitoring systems by eliminating the motion artifacts and improving the signal quality using SSG filter with DBE |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210809 Address after: B201b-2, third floor, building 8, yard 1, Zhongguancun East Road, Haidian District, Beijing 100083 Applicant after: Lingxi medical technology (Beijing) Co.,Ltd. Address before: Building 14, Zijing, Tsinghua University, Haidian District, Beijing 100084 Applicant before: Yan Yuxiang |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |