CN113476059B - 一种基于振幅整合脑电图判断左右脑对称性的方法 - Google Patents
一种基于振幅整合脑电图判断左右脑对称性的方法 Download PDFInfo
- Publication number
- CN113476059B CN113476059B CN202110611344.6A CN202110611344A CN113476059B CN 113476059 B CN113476059 B CN 113476059B CN 202110611344 A CN202110611344 A CN 202110611344A CN 113476059 B CN113476059 B CN 113476059B
- Authority
- CN
- China
- Prior art keywords
- data
- amplitude
- electroencephalogram
- right brain
- symmetry
- 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.)
- Active
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
- A61B5/24—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]
- A61B5/372—Analysis of electroencephalograms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
技术领域
本发明涉及一种基于振幅整合脑电图判断左右脑对称性的方法,属于图像数据处理技术领域。
背景技术
振幅整合脑电图(amplitude integrated electroencephalogram,aEEG)是一种无创脑功能监测技术,具有操作方便、图形直观、容易分析、能床旁连续监测等优点;振幅整合脑电图是一种来源于常规脑电图振幅压缩后输出的脑电监护设备,常规导联的脑电活动经过滤波、整合和时间压缩,脑电活动以半对数形式表示,图形为波谱带;aEEG可实时无创床旁连续监测脑电活动,容易识别异常表现,医生可以进行正确阅读和及时处理;由于aEEG在新生儿缺氧缺血性脑病的诊断、严重程度和预后的评价中具有极高的敏感度及特异度,因此目前主要用于新生儿脑功能的监测,但对脑损伤高危新生儿监测逐渐显示出临床价值;aEEG结合神经系统检查可以在早期对窒息新生儿是否存在脑损伤进行准确测量,为早期干预治疗提供可靠依据;在新生儿窒息后一定时间内,aEEG即可发现新生儿中、重度HIE的脑损伤情况。
目前在对患者脑功能的监测场景中,需要判断患者的左右脑对称性,从而可以进一步地进行诊断,但是目前并没有根据振幅整合脑电图来判断患者左右脑对称性的方法,查阅资料也没有查到相关的专利或者文献。
发明内容
本发明的目的是针对现有技术中存在的上述问题,提供了一种基于振幅整合脑电图判断左右脑对称性的方法;便于用户根据振幅整合脑电图来判断患者的左右脑对称性,提高用户判断患者左右脑对称性的效率,填补了根据振幅整合脑电图来判断患者左右脑对称性这一方面的空白。
为了实现上述目标,本发明采用如下的技术方案:
一种基于振幅整合脑电图判断左右脑对称性的方法,包括以下步骤:
(1)使用脑功能测量仪测量得到振幅整合脑电图数据;
(2)选取左右脑的脑电电极位置对称的两条振幅整合脑电图数据;
(7)按照步骤(6)将,/>中所有数据段均进行判断,若/>,/>中存在一个数据段判断为不对称,则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑不对称情况,若所有数据段均判断为对称,则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑对称。
设对应的两段阻抗数据分别为/>,/> ,数据长度为/>,分别计算/>,/>中大于阈值/>的个数/>,若/>,则认为/>中存在大量阻抗伪差,不能判断对称性,如果/>,则再根据步骤(6)进行对称性的判断。
本发明的有益之处在于:
便于用户根据振幅整合脑电图来判断患者的左右脑对称性,提高用户判断患者左右脑对称性的效率,填补了根据振幅整合脑电图来判断患者左右脑对称性这一方面的空白;为提高判断的准确性,本发明还加入阻抗数据进行辅助判断,从而增加了一个维度的信息,可帮助用户减少因阻抗伪差带来的误判,提高用户读图及判断的正确性。
附图说明
图1是部分脑电电极的位置示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
实施例一
本实施例是一种基于振幅整合脑电图判断左右脑对称性的方法,包括以下步骤:
(1)使用脑功能测量仪测量得到振幅整合脑电图数据;
(2)选取左右脑的脑电电极位置对称的两条振幅整合脑电图数据;
如图1所示,在双极导联时,可以选取C3-P3,C4-P4;在单极导联时,可以选取C3,C4;本实施例中选取C3,C4;
(5)对于情况,使用时间窗口/>对该数据从头开始进行截取,时间窗口/>是2400s,设截取到的数据段为/>,然后移动时间窗口/>,移动间隔为/>,移动间隔/>是600s,如此便得到/>,/>,最终不足时间窗口/>的数据合并到最后一段中一并计算;
(6)在,/>中,将每一段数据都进行如下计算,设取出的数据段为/>,,若/>中超过阈值/>的数据个数达到/>总的数据个数的/>,则认为时长T所对应的时间区域的振幅整合脑电图图形不对称,否则认为对称;其中阈值/>是/>;/>是70%;
(7)按照步骤(6)将,/>中所有数据段均进行判断,若/>,/>中存在一个数据段判断为不对称,则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑不对称情况,若所有数据段均判断为对称,则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑对称。
设对应的两段阻抗数据分别为/>,/>,数据长度为/>,分别计算/>,/>中大于阈值/>的个数/>,若/>,则认为/>中存在大量阻抗伪差,不能判断对称性,如果,则再根据步骤(6)进行对称性的判断;其中阈值/>是20kΩ,/>是40%。
实施例二
本实施例与实施例一相似,其区别仅在于:
实施例三
本实施例与实施例一相似,其区别仅在于:
实施例四
本实施例与实施例一相似,其区别仅在于:
本发明便于用户根据振幅整合脑电图来判断患者的左右脑对称性,提高用户判断患者左右脑对称性的效率,填补了根据振幅整合脑电图来判断患者左右脑对称性这一方面的空白;为提高判断的准确性,本发明还加入阻抗数据进行辅助判断,从而增加了一个维度的信息,可帮助用户减少因阻抗伪差带来的误判,提高用户读图及判断的正确性。
以上显示和描述了本发明的基本原理、主要特征和优点;本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (9)
1.一种基于振幅整合脑电图判断左右脑对称性的方法,其特征在于,包括以下步骤:
(1)使用脑功能测量仪测量得到振幅整合脑电图数据;
(2)选取左右脑的脑电电极位置对称的两条振幅整合脑电图数据;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110611344.6A CN113476059B (zh) | 2021-06-02 | 2021-06-02 | 一种基于振幅整合脑电图判断左右脑对称性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110611344.6A CN113476059B (zh) | 2021-06-02 | 2021-06-02 | 一种基于振幅整合脑电图判断左右脑对称性的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113476059A CN113476059A (zh) | 2021-10-08 |
CN113476059B true CN113476059B (zh) | 2023-06-27 |
Family
ID=77934207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110611344.6A Active CN113476059B (zh) | 2021-06-02 | 2021-06-02 | 一种基于振幅整合脑电图判断左右脑对称性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113476059B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101627909A (zh) * | 2009-05-05 | 2010-01-20 | 复旦大学附属儿科医院 | 一种数字化振幅整合脑功能监护仪 |
CN105046111A (zh) * | 2015-09-10 | 2015-11-11 | 济南市儿童医院 | 一种振幅整合脑电图结果自动识别系统及方法 |
CN106618559A (zh) * | 2016-12-06 | 2017-05-10 | 华东师范大学 | 一种aEEG信号图像特征重构表示和提取方法 |
CN108830865A (zh) * | 2018-05-08 | 2018-11-16 | 南京伟思医疗科技股份有限公司 | 一种用于动态脑电图像的稳定上下边界的确定方法 |
CN112244871A (zh) * | 2020-09-25 | 2021-01-22 | 吉林大学 | 一种基于机器学习的振幅整合脑电图分类识读系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11096619B2 (en) * | 2013-07-12 | 2021-08-24 | Innara Health, Inc. | Neural analysis and treatment system |
-
2021
- 2021-06-02 CN CN202110611344.6A patent/CN113476059B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101627909A (zh) * | 2009-05-05 | 2010-01-20 | 复旦大学附属儿科医院 | 一种数字化振幅整合脑功能监护仪 |
CN105046111A (zh) * | 2015-09-10 | 2015-11-11 | 济南市儿童医院 | 一种振幅整合脑电图结果自动识别系统及方法 |
CN106618559A (zh) * | 2016-12-06 | 2017-05-10 | 华东师范大学 | 一种aEEG信号图像特征重构表示和提取方法 |
CN108830865A (zh) * | 2018-05-08 | 2018-11-16 | 南京伟思医疗科技股份有限公司 | 一种用于动态脑电图像的稳定上下边界的确定方法 |
CN112244871A (zh) * | 2020-09-25 | 2021-01-22 | 吉林大学 | 一种基于机器学习的振幅整合脑电图分类识读系统 |
Non-Patent Citations (2)
Title |
---|
《Automated Sleep-Wake Detection in Neonates from Cerebral Function Monitor Signals》;J. Mikael Eklund等;《2014 IEEE 27th International Symposium on Computer-Based Medical Systems》;22-27 * |
《振幅整合脑电图对幕上、幕下和弥漫性病变意识障碍患者预后预测研究》;任雅芳;《医药卫生科技辑》;E070-16 * |
Also Published As
Publication number | Publication date |
---|---|
CN113476059A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | An automatic screening approach for obstructive sleep apnea diagnosis based on single-lead electrocardiogram | |
Li et al. | The obf database: A large face video database for remote physiological signal measurement and atrial fibrillation detection | |
Wallace et al. | Computer-automated quantification of plus disease in retinopathy of prematurity | |
US11350868B2 (en) | Electrocardiogram information processing method and electrocardiogram workstation system | |
US11783924B2 (en) | ECG information processing method and ECG workstation | |
JP7104076B2 (ja) | 睡眠統計を決定する方法及び装置 | |
US20160045127A1 (en) | Automated detector and classifier of high frequency oscillations and indicator seizure onset | |
TWI392480B (zh) | 母體胎兒監視裝置與方法 | |
KR102482796B1 (ko) | 원격 광용적맥파 측정을 이용한 비접촉 심박 변이도 분석 장치 및 방법 | |
US8632186B2 (en) | Systems, methods, and computer-readable media for detecting and predicting a progression of retinal pathologies | |
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 | |
CN117457229A (zh) | 基于人工智能的麻醉深度监测系统及方法 | |
KR20220150901A (ko) | 모체 자궁 활동 검출을 위한 융합 신호 처리 | |
Kempfner et al. | Early automatic detection of Parkinson's disease based on sleep recordings | |
Karim et al. | Symptom analysis of diabetic retinopathy by micro-aneurysm detection using NPRTOOL | |
CN113476059B (zh) | 一种基于振幅整合脑电图判断左右脑对称性的方法 | |
CN117828511A (zh) | 一种麻醉深度脑电信号数据处理方法 | |
Zhou et al. | A hybrid expert system for individualized quantification of electrical status epilepticus during sleep using biogeography-based optimization | |
Kobayashi et al. | Development of a mental disorder screening system using support vector machine for classification of heart rate variability measured from single-lead electrocardiography | |
Zhao et al. | A knowledge-based approach for automatic quantification of epileptiform activity in children with electrical status epilepticus during sleep | |
CN113921116A (zh) | 利用计算机芯片评估急性缺血性卒中ct影像数据模型方法 | |
CN113509169A (zh) | 一种基于多参数非接触睡眠呼吸暂停检测系统及方法 | |
Saadi et al. | Low-cost ecg monitoring system with classification using deep learning | |
Ajdaraga et al. | Analysis of a differential noise detection filter in ecg signals | |
Oloumi et al. | Quantitative analysis of the major temporal arcade in retinal fundus images of preterm infants for detection of plus disease |
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 |