CN112741636A - 一种基于多位点同步性变化的颞叶癫痫检测系统 - Google Patents
一种基于多位点同步性变化的颞叶癫痫检测系统 Download PDFInfo
- Publication number
- CN112741636A CN112741636A CN202011494364.1A CN202011494364A CN112741636A CN 112741636 A CN112741636 A CN 112741636A CN 202011494364 A CN202011494364 A CN 202011494364A CN 112741636 A CN112741636 A CN 112741636A
- Authority
- CN
- China
- Prior art keywords
- temporal lobe
- lobe epilepsy
- abnormal discharge
- detection
- frequency band
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Testing Relating To Insulation (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,包括至少一个计算机系统,其被配置成:接收同步记录在海马和边缘系统上多个位点的异常放电信号;对接收的异常放电信号进行预处理确定用于检测的目标频段;根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫。通过分析海马与边缘系统上多个位点的同步性变化,检测癫痫发作。
Description
技术领域
本发明属于脑电信号处理,癫痫检测领域,具体涉及一种基于多位点同步性变化的颞叶癫痫检测系统。
背景技术
颞叶癫痫(temporal lobe epilepsy,TLE)是临床常见的癫痫类型之一,其癫痫灶通常位于颞叶及颞叶内侧。通常认为,海马硬化是TLE最常见的病因和病理改变。部分TLE患者可以通过药物治疗得到很好的控制,然而仍有50%左右的患者为药物难治性患者,通常需要通过手术治疗。对于TLE类型癫痫,研究中通常采用大鼠作为实验对象,通过注射红藻氨酸(kainic acid,KA)或氯化锂—匹鲁卡品使其快速达到或诱发至癫痫持续状态。其中,氯化锂—匹鲁卡品腹部注射的大鼠慢性癫痫模型被认为可以很好地模拟研究人类TLE,由于该模型中癫痫大鼠脑中病灶是多发的,类似于人类TLE的病因。
对TLE确诊及治疗,脑区异常放电的实时记录是诊断和定位非常重要的手段之一。在氯化锂—匹鲁卡品腹部注射的大鼠模型实验中,实验人员通常将电极丝植入海马及周边的结构中,如丘脑前核、杏仁核等,这些结构在解剖中都曾发现与癫痫相关的病变,对这些位置进行电信号记录,可以准确地了解癫痫发生的时间、位点以及进展过程。同时可以通过观察这些位点的电信变化,来判断采用电刺激等治疗方式对于癫痫抑制的有效程度。
目前对于癫痫信号的识别和监控,主要依靠医务人员或实验人员的人工判断,对于自动检测方法,目前已经有相关检测方法正在研究并实现,包括线性/非线性分析、机器学习方法、深度学习方法,大部分的方法都是在单通道上进行,部分方法计算效率高,易于在硬件上实现,但是灵敏性和特异性较差,部分方法识别准确率高,误警少,但是方法复杂,无法在硬件上实现。其中,特征的选择对于检测的准确性和计算复杂度有着密不可分的关系。许多特征已广泛用于癫痫发作检测方法中,例如线长、幅度和相位同步、频谱特征、时频域特征以及与信息论有关的特征,例如近似熵。一些方法可以实现更好的性能。有些更适合于具有较高计算效率的在线检测。一些研究人员认为特定频带的相位同步可以检测或预测癫痫发作,包括θ波、α波、β波、γ波、高频和宽带振荡。他们发现在某些特定频段,癫痫发作开始时各个不同区域的位点同步增强。在准确性方面,多位点特征的联合检测准确度明显比单位点特征检测要高。同时在计算量方面,由于采用的是同步性计算,复杂度明显小于频谱等计算。因此该特征能够成为一种较好的癫痫自动检测方法特征。
发明内容
本发明的目的是提供一种基于多位点同步性变化的颞叶癫痫检测系统,通过分析海马与边缘系统上多个位点的同步性变化,检测癫痫发作。
为实现上述发明目的,本发明提供以下技术方案:
一种基于多位点同步性变化的颞叶癫痫检测系统,包括至少一个计算机系统,其被配置成:
接收同步记录在海马和边缘系统上多个位点的异常放电信号;
对接收的异常放电信号进行预处理确定用于检测的目标频段;
根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫。
与现有技术相比,本发明具有的有益效果至少包括:
本发明提供的基于多位点同步性变化的颞叶癫痫检测系统,结合多个位点的异常放电信号的同步性变化特征值来检测颞叶癫痫,提升了颞叶癫痫检测的准确性和效率。
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做简单地介绍,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前提下,还可以根据这些附图获得其他附图。
图1是本发明实施例提供的基于多位点同步性变化的颞叶癫痫检测系统实现颞叶癫痫检测的流程框图;
图2为本发明实施例提供的幅度平方相干图谱与图像边缘检测结果示意图;
图3为本发明实施例提供的颞叶癫痫检测结果示意图;
图4为本发明实施例提供的阈值生成流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
通过网络分析方法对癫痫发作的研究过程中发现:在癫痫发作期间,各个位点之间具有同步性变化,且研究还发现,在特定频段,癫痫发作前期的同步性是升高的。基于此研究,本发明实施例提供了一种基于多位点同步性变化的颞叶癫痫检测系统,该颞叶癫痫检测系统能够实现基于采集的位点的异常放电信号特征实现对颞叶癫痫的精准检测。
图1是本发明实施例提供的基于多位点同步性变化的颞叶癫痫检测系统实现颞叶癫痫检测的流程框图。如图1所示,该颞叶癫痫检测系统包括至少一个计算机系统,其被配置成:
步骤1,接收同步记录在海马和边缘系统上多个位点的异常放电信号。
实施例中,将电极片安放在脑部的海马和边缘系统上的多个位点上,其中边缘系统是指海马周边的结构,如丘脑前核、杏仁核等,对本领域人员来说是清楚的。当电极片安放好之后,启动脑电信号采集设备,并采集多个位点的异常放电信号,异常放电信号是指有可能发生颞叶癫痫的脑电信号。采集的异常放电信号输入至颞叶癫痫检测系统并接收。
步骤2,对接收的异常放电信号进行预处理确定用于检测的目标频段。
预处理目的是为了获取检测过程中频段,该中频段使用数据量少,仅占检测过程的15%~30%。具体地,对接收的异常放电信号进行预处理确定用于检测的目标频段包括:
(a)对接收的异常放电信号构建横坐标为时间刻度,纵坐标为频率刻度的幅度平方相干图谱,该幅度平方相干图谱用于描述位点间异常放电信号的同步性变化。
构建的幅度平方相干图谱主要用于对连续信号的时频分析。具体地,幅度平方相干图谱的构建过程为:
将连续异常放电信号按固定划分时间长度划分成处理窗口,同时保证相邻窗口重叠一定重叠时间长度,重叠时间长度小于固定划分时间长度,对每个处理窗口中内的异常放电信号做幅度平方相干分析,得到处理窗口内全频段的相干性信息,将所有处理窗口的相干性信息按照时间连接,得到横坐标为时间刻度,纵坐标为频率刻度的幅度平方相干图谱。
举例来说,将连续异常放电信号按400ms划分成处理窗口,同时为了提高图谱的分辨率,相邻处理窗口重叠300ms。在每个处理窗口中做幅度平方相干分析,得到该窗口内全频段(1Hz~500Hz)相干性信息。将所有结果连接,得到相干性图谱,横坐标为时间刻度,纵坐标为频率刻度,分辨率为100ms和1Hz。窗口内幅度平方相干计算公式如下:
其中,Pxy,Pxx,Pyy分别为信号x与y的交叉功率谱密度,x,y自功率谱密度。
(b)对所述幅度平方相干图谱进行边缘检测得到同步性变化最强的候选频段。
实施例中,可以采用Canny算子图像边缘检测算法对所述幅度平方相干图谱进行边缘检测以得到同步性变化最强的候选频段。
利用Canny算子图像边缘检测算法检测幅度平方相干图谱中的边缘信息,即图谱中变化最显著区域,也就是相干性变化最显著区域。由于采用边缘检测算法,结合图谱特征,得到的结果是一条直线,同时调整检测阈值抑制噪声。
(c)从提取的候选频段中确定目标频段。
实施例中,当对幅度平方相干图谱进行边缘检测获得多个离散同步性变化最强的候选频段时,综合多个候选频段得到目标频段。采集的异常放电信号可能是单次发作中所有位点间的候选频段,也可能是多次发作得到的候选频段,对于这种情况,可以采用求交集的方式从所有候选频段中确定目标频段。
步骤3,根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫。
实施例中,根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫包括:
(a)利用目标频段对多位点的异常放电信号进行带通滤波。
(b)计算每个通道相对其他通道的总相关系数并为每个通道构建相关系数曲线。
斯皮尔曼相关系数算法具有简洁和更易于硬件实现等特点,实施例中采用斯皮尔曼相关系数计算方法计算每个通道相对其他每个通道的相对相关系数,并将所有相对相关系数加权求和得到总相关系数。
根据每个通道的总相关系数为每个通道构建相关系数曲线的方法为:
将连续异常放电信号划分为400ms处理窗口,为了提高分辨率,相邻窗口之间重叠300ms。将其中一个位点与其他位点两两做斯皮尔曼相关性计算,再将所有相关性计算结果加权平均,得到该位点的总相关性系数,将所有窗口结果连接,得到该位点的相关性系数曲线,其他位点同理。
(c)提取所有相关系数曲线的特征值,依据特征值检测颞叶癫痫。
实施例中,提取所有相关系数曲线的平均值和极差值作为特征值,依据该特征值检测颞叶癫痫。依据特征值检测颞叶癫痫时,比较特征值与阈值的关系,当特征值超过阈值时,则认为出现颞叶癫痫。
具体地,每次检测时,依据接收的异常放电信号数据计算本次阈值,阈值的大小为两个特征值,平均值曲线和极差值曲线各自的平均值加两倍标准差,并依据本次阈值和上次检测用的现有阈值的检测结果,对阈值进行更新,当本次阈值能检测到颞叶癫痫而上次检测用的阈值检测不到,则将本次阈值更新为现有阈值,反之则使用现有阈值,不断迭代到一个稳定的结果。在实验过程中,阈值通常在5次迭代之后达到稳定。当阈值达到稳定后,后续的检测仅使用稳定后的阈值,无需再进行阈值计算,以提高后续的检测效率。
上述计算机系统包括一个或多个存储指令的非临时性计算机可读存储设备,存储指令由处理器、计算机系统执行时可进行上述的各种提取、构造以及计算操作。计算机可以为台式计算机、便携式计算机、工作站、云端服务器、个人数字助理或任何其他计算机系统。计算机系统包括处理器、只读存储器(ROM)、随机存取存储器(RAM)、连接外围设备(如输入设备、输出设备、存储设备等)的输入/输出适配器、连接的输入设备(如键盘、鼠标、触摸屏、语音输入)、和/或其他设备的用户界面适配器、将计算机连接至网络的通讯适配器、将计算机连接至显示器的显示器适配器等。
实施例提供的基于多位点同步性变化的颞叶癫痫检测系统,结合多个位点的异常放电信号的同步性变化特征值来检测颞叶癫痫,提升了颞叶癫痫检测的准确性和效率。
实验例
本实验采用5只氯化锂—匹鲁卡品腹部注射的SD大鼠模型,在诱发大鼠至持续癫痫状态后,在其海马双侧(CA1,CA3,DG,SUB)以及左右杏仁核(AMG)、丘脑前核(ANT)12个位点植入45μm镍铬合金电极,不间断监测2至4周。信号采样频率1000Hz,分辨率为16位。
预处理阶段:
如图2所示,其中,图2A是截取的一段10分钟癫痫发作的异常放电信号片段,从410秒开始可以看到明显的癫痫样波形,在530秒左右停止,持续2分钟。图2B是其中两个位点R-DG和R-CA1的幅度平方相干图谱,可以明显地看到在癫痫样放电过程中,两位点间的相干图谱发生了明显的变化,并且频段具有特异性。图2C是通过Canny算子图像检测后的结果,如图中的红线所示,通过检测,能够识别出在410秒左右,128Hz~499Hz频段内具有最强的相干性变化特征。提取每只大鼠30%的数据,每个位点间均进行该操作,并取所有频段的交集,得到每只大鼠的检测频段。
检测结果如图3所示。对每只大鼠采集到的原始信号进行滤波,滤波频段在预处理阶段得到。图3A与图2A是同一次癫痫发作。图3B是每个位点间相关系数计算后,提取出的两条特征曲线,蓝线是平均值,红线是极差值。通过多次检测阶段的迭代计算,得到阈值分别为0.17和0.22。图3C是阈值判断后的结果,可以看到,在410秒可以检测出一次癫痫发作。
阈值迭代过程如图4所示。数据被分为等待处理及被检测两部分。第一个被检测的癫痫数据其阈值设定为初始阈值。阈值的计算通过如下公式来确定:
u±2σ
其中,u是平均值,σ是标准差。
之后判断是否检测出癫痫,如果是,则使用该阈值对下一个癫痫数据进行判断,如果否,则通过公式(2)重新计算当前癫痫数据的阈值,并更新当前阈值。获取新阈值后需要对原先检测过的数据重新检测,由于该过程是收敛的过程,即每次新阈值一定比原阈值更小,不会出现原先检测过数据漏检的情况,只需注意新阈值对原先数据造成误检的情况。在本实验中,每只大鼠的阈值通过5次左右迭代即可达到收敛,即预处理阶段中的癫痫片段都能被检出。
通过本次实验验证,该方法能达到98.16%的癫痫识别率,平均1.24秒检测延时,2.22次/小时误警概率。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的最优选实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,包括至少一个计算机系统,其被配置成:
接收同步记录在海马和边缘系统上多个位点的异常放电信号;
对接收的异常放电信号进行预处理确定用于检测的目标频段;
根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫。
2.如权利要求1所述的基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,所述对接收的异常放电信号进行预处理确定用于检测的目标频段包括:
对接收的异常放电信号构建横坐标为时间刻度,纵坐标为频率刻度的幅度平方相干图谱,该幅度平方相干图谱用于描述位点间异常放电信号的同步性变化;
对所述幅度平方相干图谱进行边缘检测得到同步性变化最强的候选频段;
从提取的候选频段中确定目标频段。
3.如权利要求2所述的基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,所述幅度平方相干图谱的构建过程为:
将连续异常放电信号按固定划分时间长度划分成处理窗口,同时保证相邻窗口重叠一定重叠时间长度,重叠时间长度小于固定划分时间长度,对每个处理窗口中内的异常放电信号做幅度平方相干分析,得到处理窗口内全频段的相干性信息,将所有处理窗口的相干性信息按照时间连接,得到横坐标为时间刻度,纵坐标为频率刻度的幅度平方相干图谱。
4.如权利要求2所述的基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,采用Canny算子图像边缘检测算法对所述幅度平方相干图谱进行边缘检测以得到同步性变化最强的候选频段。
5.如权利要求2所述的基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,当对幅度平方相干图谱进行边缘检测获得多个离散同步性变化最强的候选频段时,综合多个候选频段得到目标频段。
6.如权利要求1所述的基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,所述根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫包括:
利用目标频段对多位点的异常放电信号进行带通滤波;
计算每个通道相对其他通道的总相关系数并为每个通道构建相关系数曲线;
提取所有相关系数曲线的特征值,依据特征值检测颞叶癫痫。
7.如权利要求6所述的基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,采用斯皮尔曼相关系数计算方法计算每个通道相对其他每个通道的相对相关系数,并将所有相对相关系数加权求和得到总相关系数。
8.如权利要求6所述的基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,提取所有相关系数曲线的平均值和极差值作为特征值,依据该特征值检测颞叶癫痫。
9.如权利要求6所述的基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,依据特征值检测颞叶癫痫时,比较特征值与阈值的关系,当特征值超过阈值时,则认为出现颞叶癫痫。
10.如权利要求9所述的基于多位点同步性变化的颞叶癫痫检测系统,其特征在于,每次检测时,依据接收的异常放电信号计算本次阈值,并依据本次阈值和上次检测用的现有阈值的检测结果,对现有阈值进行更新,当本次阈值能检测到颞叶癫痫而现有阈值检测不到,则将本次阈值更新为现有阈值,反之则使用现有阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494364.1A CN112741636B (zh) | 2020-12-17 | 2020-12-17 | 一种基于多位点同步性变化的颞叶癫痫检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494364.1A CN112741636B (zh) | 2020-12-17 | 2020-12-17 | 一种基于多位点同步性变化的颞叶癫痫检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112741636A true CN112741636A (zh) | 2021-05-04 |
CN112741636B CN112741636B (zh) | 2022-06-10 |
Family
ID=75647982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011494364.1A Active CN112741636B (zh) | 2020-12-17 | 2020-12-17 | 一种基于多位点同步性变化的颞叶癫痫检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112741636B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008133626A1 (en) * | 2007-04-30 | 2008-11-06 | Medtronic, Inc. | Seizure prediction |
CN102722727A (zh) * | 2012-06-11 | 2012-10-10 | 杭州电子科技大学 | 基于脑功能网络邻接矩阵分解的脑电特征提取方法 |
CN105595961A (zh) * | 2015-12-21 | 2016-05-25 | 天津大学 | 基于脑电信号的阿尔兹海默症检测系统及检测方法 |
CN106137185A (zh) * | 2016-06-21 | 2016-11-23 | 华南理工大学 | 一种基于模板构造小波的癫痫特征波检测方法 |
CN106709244A (zh) * | 2016-12-12 | 2017-05-24 | 西北工业大学 | 一种静息态同步EEG‑fMRI的脑功能网络建模方法 |
CN107095669A (zh) * | 2017-05-10 | 2017-08-29 | 北京大学 | 一种癫痫患者脑电信号的处理方法及系统 |
US20180098725A1 (en) * | 2016-10-07 | 2018-04-12 | Chung Shan Medical University Hospital | System and method for temporal and spatial detection of seizure onset |
CN209186698U (zh) * | 2018-10-11 | 2019-08-02 | 河北大学 | 一种基于fpga的癫痫预警装置 |
CN110693493A (zh) * | 2019-10-12 | 2020-01-17 | 北京工业大学 | 一种基于卷积与循环神经网络结合时间多尺度的癫痫脑电预测方法 |
CN111887843A (zh) * | 2020-08-07 | 2020-11-06 | 浙江环玛信息科技有限公司 | 融合性癫痫发作期自动检测方法及系统 |
-
2020
- 2020-12-17 CN CN202011494364.1A patent/CN112741636B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008133626A1 (en) * | 2007-04-30 | 2008-11-06 | Medtronic, Inc. | Seizure prediction |
CN102722727A (zh) * | 2012-06-11 | 2012-10-10 | 杭州电子科技大学 | 基于脑功能网络邻接矩阵分解的脑电特征提取方法 |
CN105595961A (zh) * | 2015-12-21 | 2016-05-25 | 天津大学 | 基于脑电信号的阿尔兹海默症检测系统及检测方法 |
CN106137185A (zh) * | 2016-06-21 | 2016-11-23 | 华南理工大学 | 一种基于模板构造小波的癫痫特征波检测方法 |
US20180098725A1 (en) * | 2016-10-07 | 2018-04-12 | Chung Shan Medical University Hospital | System and method for temporal and spatial detection of seizure onset |
CN106709244A (zh) * | 2016-12-12 | 2017-05-24 | 西北工业大学 | 一种静息态同步EEG‑fMRI的脑功能网络建模方法 |
CN107095669A (zh) * | 2017-05-10 | 2017-08-29 | 北京大学 | 一种癫痫患者脑电信号的处理方法及系统 |
CN209186698U (zh) * | 2018-10-11 | 2019-08-02 | 河北大学 | 一种基于fpga的癫痫预警装置 |
CN110693493A (zh) * | 2019-10-12 | 2020-01-17 | 北京工业大学 | 一种基于卷积与循环神经网络结合时间多尺度的癫痫脑电预测方法 |
CN111887843A (zh) * | 2020-08-07 | 2020-11-06 | 浙江环玛信息科技有限公司 | 融合性癫痫发作期自动检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
HITTEN P ZAVERI: "Multielectrode analysis of the electrocorticogram in temporal lobe epilepsy", 《IEEE ENGINEERING IN MEDICINE & BIOLOGY SOCIETY 10TH ANNUAL INTERNATIONAL CONFERENCE》 * |
胥善治: "基于图谱分析的脑电网络研究", 《机电工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112741636B (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8064991B2 (en) | Method of fetal and maternal ECG identification across multiple EPOCHS | |
US9351652B2 (en) | Systems for safe and remote outpatient ECG monitoring | |
CN109480780B (zh) | 一种脑卒中预警系统的评估方法及系统 | |
CN111772585A (zh) | 间期颅内脑电信号中癫痫异常群体活动的数据提取方法 | |
US11337638B2 (en) | ECG signal processing method and apparatus | |
CN108403107B (zh) | 一种心律失常判别方法及系统 | |
CN111093471B (zh) | 用于根据头皮脑电图识别病理性脑活动的方法 | |
US20200178832A1 (en) | Seizure onset zone localization | |
WO2022135449A1 (zh) | 癫痫患者发作间期痫样电活动检测装置和方法 | |
CN111370059A (zh) | 一种肿瘤突变负荷的预测系统及方法 | |
CN103970975A (zh) | 心电数据处理方法和系统 | |
CN116196013B (zh) | 心电数据处理方法、装置、计算机设备与存储介质 | |
CN111887843B (zh) | 融合性癫痫发作期自动检测方法及系统 | |
CN116172517A (zh) | 基于双视角特征融合框架的发作间期癫痫样放电检测方法及装置 | |
CN109674474B (zh) | 睡眠呼吸暂停识别方法、设备及计算机可读介质 | |
CN112741636B (zh) | 一种基于多位点同步性变化的颞叶癫痫检测系统 | |
Rabotti et al. | Two-dimensional estimation of the electrohysterographic conduction velocity | |
US20210106247A1 (en) | Methods and Apparatus for Detection and Imaging of Epileptogenicity from Scalp High-Frequency Oscillations | |
CN110507299A (zh) | 一种心率信号检测装置及方法 | |
Knaflitz et al. | Computer analysis of the myoelectric signal | |
CN108814592A (zh) | 基于小波能量判定癫痫发作前脑电信号的方法及系统 | |
CN114869301A (zh) | 检测癫痫样放电的方法和设备 | |
Sowmya et al. | Detecting anomalies in fetal electrocardiogram records using deep learning models | |
CN109567867A (zh) | 一种胎心率振幅变异的处理方法 | |
CN117838138A (zh) | 识别不典型心梗心电图波形的方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |