CN117653021A - 一种picu癫痫发作的检测系统及存储介质 - Google Patents
一种picu癫痫发作的检测系统及存储介质 Download PDFInfo
- Publication number
- CN117653021A CN117653021A CN202211057230.2A CN202211057230A CN117653021A CN 117653021 A CN117653021 A CN 117653021A CN 202211057230 A CN202211057230 A CN 202211057230A CN 117653021 A CN117653021 A CN 117653021A
- Authority
- CN
- China
- Prior art keywords
- data
- electroencephalogram
- fragment
- suspicious
- epileptic
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 206010010904 Convulsion Diseases 0.000 title claims abstract description 42
- 206010015037 epilepsy Diseases 0.000 title claims abstract description 32
- 208000028329 epileptic seizure Diseases 0.000 title claims abstract description 26
- 239000012634 fragment Substances 0.000 claims abstract description 141
- 230000001037 epileptic effect Effects 0.000 claims abstract description 70
- 210000004556 brain Anatomy 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 14
- 230000003183 myoelectrical effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 10
- 239000011159 matrix material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000007101 Muscle Cramp Diseases 0.000 description 1
- 241000594310 Randia aculeata Species 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种PICU癫痫发作的检测系统及存储介质，其存储介质上存储程序，所述程序被处理器执行时实现以下步骤：实时采集癫痫受试者的脑电信号数据、心电信号数据以及肌电信号数据；将所述脑电信号数据分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段；根据可疑癫痫脑电信号数据片段，获取心电信号数据片段和肌电信号数据片段，并通过对所述可疑癫痫脑电信号数据片段、心电信号数据片段和肌电信号数据片段分别进行特征提取，得到脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征；并利用其检测所述可疑癫痫脑电信号数据片段是否为真实癫痫发作片段。
Description
技术领域
本发明涉及生物医学技术领域，特别涉及一种PICU(Pediatric Intensive CareUnit，儿童重症监护病房)癫痫发作的检测系统及存储介质。
背景技术
癫痫俗称“羊角风”，是神经系统常见疾病之一，以脑神经元异常放电引起的反复痫性发作为特征，每10万人中就有200至300名癫痫患者。由于患者突然发病时全身痉挛，失去意识，所以潜藏着各种风险。儿童癫痫疾病是一种在儿童中常见的疾病，儿童重症监护病房(PICU)涵盖很多临床科室的重症患者，因此PICU病房会提供对重症患者各系统功能的密切监测，而EEG是评价脑功能改变最好的检测方法，敏感性高并且具有无创性。由于ICU内重症患者病情复杂，EEG表现受到多方因素影响，因此对EEG的识别和解释不同于一般EEG结果。目前还没有针对PICU患者的癫痫检测技术。
目前对癫痫发作的判断除了临床观察外，主要是通过对脑电图的分析实现。目前长时程脑电的分析工作仍由医生通过人工读图实现的，费时费力，计算机辅助检测能降低医生工作量，提高效率。现有的发作检测技术误检率较高，没有对发作期波形和伪差波形进行很好的区分，并且PICU的发作持续时间较长，目前并没有专门针对PICU场景下的实时癫痫发作检测技术。
发明内容
根据本发明实施例提供的方案解决的技术问题是针对PICU场景下的无法实现实时癫痫发作检测。
根据本发明实施例提供的一种PICU癫痫发作的检测系统，包括：
数据采集模块，用于实时采集癫痫受试者的脑电信号数据、心电信号数据以及肌电信号数据；
可疑片段检测模块，用于将所述脑电信号数据按照时间分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段；
可疑片段特征提取模块，用于根据所述可疑癫痫脑电信号数据片段，获取与所述可疑癫痫脑电信号数据片段相对应的心电信号数据片段和肌电信号数据片段，并通过对所述可疑癫痫脑电信号数据片段、心电信号数据片段和肌电信号数据片段分别进行特征提取，得到脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征；
癫痫检测模块，用于利用所述脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征，检测所述可疑癫痫脑电信号数据片段是否为真实癫痫发作片段。
优选地，还包括：
数据预处理模块，用于对所述脑电信号数据、所述心电信号数据以及所述肌电信号数据分别进行预处理，得到预处理后的脑电信号数据、预处理后的心电信号数据以及预处理后的肌电信号数据；
其中，所述预处理包括：通道筛选、去工频噪声、去基线偏移及高频噪声、重参考。
优选地，所述可疑片段检测模块包括：
分割单元，用于采用固定宽度的滑动矩形窗对所述去工频噪声处理后的脑电信号数据进行分割，得到多个固定长度的脑电信号数据片段；
可疑片段检测单元，用于获取每个脑电信号数据片段的信号幅度，并确定所述信号幅度的绝对值是否在预设的幅度范围内，当确定所述信号幅度的绝对值在预设的幅度范围内时，计算所述脑电信号数据片段的线长，当所述线长达到线长基准值时，则将所述脑电信号数据片段作为可疑癫痫脑电信号数据片段。
优选地，所述计算所述脑电信号数据片段的线长包括：
其中，Ll表示线长；Nll为在线长计算中用到的窗口宽度，S(t)表示脑电信号数据片段的信号，t表示时间采样点，abs[]为计算绝对值函数。
优选地，所述可疑片段特征提取模块包括：
获取单元，用于获取所述可疑癫痫脑电信号数据片段的时间段信息，并根据所述时间段信息从所述预处理后的心电信号数据中获取与所述时间段相对应的心电信号数据片段，以及根据所述时间段信息从所述预处理后的肌电信号数据中获取与所述时间段相对应的肌电信号数据片段；
可疑片段特征提取单元，用于通过对所述可疑癫痫脑电信号数据片段进行特征提取，得到脑电可疑片段特征；通过对所述心电信号数据片段进行特征提取，得到心电可疑片段特征；以及通过对所述肌电信号数据片段进行特征提取，得到肌电可疑片段特征。
优选地，所述脑电可疑片段特征包括时域相关系数和时域变化率；所述心电可疑片段特征包括心率值和是否发生心率爆发；所述肌电可疑片段特征包括是否发生肌电爆发和是否发生肌电爆发时延。
优选地，所述癫痫检测模块包括：
计算单元，用于根据预置特征打分机制表，计算所述脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征的特征总分；
癫痫检测单元，用于当所述特征总分大于预置的特征阈值时，则将所述可疑癫痫脑电信号数据片段检测为真实癫痫发作片段，以及当所述特征总分不大于预置的特征阈值时，则将所述可疑癫痫脑电信号数据片段检测为虚假癫痫发作片段。
根据本发明实施例提供的一种存储介质，所述存储介质上存储程序，所述程序被处理器执行时实现以下步骤：
实时采集癫痫受试者的脑电信号数据、心电信号数据以及肌电信号数据；
将所述脑电信号数据按照时间分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段；
根据所述可疑癫痫脑电信号数据片段，获取与所述可疑癫痫脑电信号数据片段相对应的心电信号数据片段和肌电信号数据片段，并通过对所述可疑癫痫脑电信号数据片段、心电信号数据片段和肌电信号数据片段分别进行特征提取，得到脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征；
利用所述脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征，检测所述可疑癫痫脑电信号数据片段是否为真实癫痫发作片段。
优选地，所述程序被处理器执行时，还包括：
对所述脑电信号数据、所述心电信号数据以及所述肌电信号数据分别进行预处理，得到预处理后的脑电信号数据、预处理后的心电信号数据以及预处理后的肌电信号数据；
其中，所述预处理包括：通道筛选、去工频噪声、去基线偏移及高频噪声、重参考。
优选地，所述程序被处理器执行时实现的将所述脑电信号数据按照时间分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段包括：
采用固定宽度的滑动矩形窗对所述去工频噪声处理后的脑电信号数据进行分割，得到多个固定长度的脑电信号数据片段；
获取每个脑电信号数据片段的信号幅度，并确定所述信号幅度的绝对值是否在预设的幅度范围内，当确定所述信号幅度的绝对值在预设的幅度范围内时，计算所述脑电信号数据片段的线长，当所述线长达到线长基准值时，则将所述脑电信号数据片段作为可疑癫痫脑电信号数据片段。
根据本发明实施例提供的方案，考虑了不同发作类型的不同发作特点，对不同类型的发作均有相对较好的检出效果，发作检测的敏感性高达90％，误检率为每小时2次左右。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于理解本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例提供的一种PICU癫痫发作的检测系统的示意图；
图2是本发明实施例提供的一种PICU癫痫发作的检测系统的具体结构示意图；
图3是本发明实施例提供的PICU癫痫发作的检测流程图；
图4是本发明实施例提供的发作检测片段实例的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行详细说明，应当理解，以下所说明的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
图1是本发明实施例提供的一种PICU癫痫发作的检测系统的示意图，如图1所示，包括：数据采集模块101，用于实时采集癫痫受试者的脑电信号数据、心电信号数据以及肌电信号数据；可疑片段检测模块102，用于将所述脑电信号数据按照时间分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段；可疑片段特征提取模块103，用于根据所述可疑癫痫脑电信号数据片段，获取与所述可疑癫痫脑电信号数据片段相对应的心电信号数据片段和肌电信号数据片段，并通过对所述可疑癫痫脑电信号数据片段、心电信号数据片段和肌电信号数据片段分别进行特征提取，得到脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征；癫痫检测模块104，用于利用所述脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征，检测所述可疑癫痫脑电信号数据片段是否为真实癫痫发作片段。
如图2所示，本发明实施例还包括：数据预处理模块，用于对所述脑电信号数据、所述心电信号数据以及所述肌电信号数据分别进行预处理，得到预处理后的脑电信号数据、预处理后的心电信号数据以及预处理后的肌电信号数据；其中，所述预处理包括：通道筛选、去工频噪声、去基线偏移及高频噪声、重参考。
进一步地，如图2所示，所述可疑片段检测模块102包括：分割单元，用于采用固定宽度的滑动矩形窗对所述去工频噪声处理后的脑电信号数据进行分割，得到多个固定长度的脑电信号数据片段；可疑片段检测单元，用于获取每个脑电信号数据片段的信号幅度，并确定所述信号幅度的绝对值是否在预设的幅度范围内，当确定所述信号幅度的绝对值在预设的幅度范围内时，计算所述脑电信号数据片段的线长，当所述线长达到线长基准值时，则将所述脑电信号数据片段作为可疑癫痫脑电信号数据片段。
其中，所述计算所述脑电信号数据片段的线长包括：
其中，Ll表示线长；Nll为在线长计算中用到的窗口宽度，S(t)表示脑电信号数据片段的信号，t表示时间采样点，abs[]为计算绝对值函数。
进一步地，如图2所示，所述可疑片段特征提取模块103包括：获取单元，用于获取所述可疑癫痫脑电信号数据片段的时间段信息，并根据所述时间段信息从所述预处理后的心电信号数据中获取与所述时间段相对应的心电信号数据片段，以及根据所述时间段信息从所述预处理后的肌电信号数据中获取与所述时间段相对应的肌电信号数据片段；可疑片段特征提取单元，用于通过对所述可疑癫痫脑电信号数据片段进行特征提取，得到脑电可疑片段特征；通过对所述心电信号数据片段进行特征提取，得到心电可疑片段特征；以及通过对所述肌电信号数据片段进行特征提取，得到肌电可疑片段特征。
其中，所述脑电可疑片段特征包括时域相关系数和时域变化率；所述心电可疑片段特征包括心率值和是否发生心率爆发；所述肌电可疑片段特征包括是否发生肌电爆发和是否发生肌电爆发时延。
进一步地，如图2所示，所述癫痫检测模块104包括：计算单元，用于根据预置特征打分机制表，计算所述脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征的特征总分；癫痫检测单元，用于当所述特征总分大于预置的特征阈值时，则将所述可疑癫痫脑电信号数据片段检测为真实癫痫发作片段，以及当所述特征总分不大于预置的特征阈值时，则将所述可疑癫痫脑电信号数据片段检测为虚假癫痫发作片段。
本申请实施例提供的一种存储介质，所述存储介质上存储程序，所述程序被处理器执行时实现以下步骤：
步骤S1：实时采集癫痫受试者的脑电信号数据、心电信号数据以及肌电信号数据；
步骤S2：将所述脑电信号数据按照时间分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段；
步骤S3：根据所述可疑癫痫脑电信号数据片段，获取与所述可疑癫痫脑电信号数据片段相对应的心电信号数据片段和肌电信号数据片段，并通过对所述可疑癫痫脑电信号数据片段、心电信号数据片段和肌电信号数据片段分别进行特征提取，得到脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征；
步骤S4：利用所述脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征，检测所述可疑癫痫脑电信号数据片段是否为真实癫痫发作片段。
进一步地，所述程序被处理器执行时，在实时采集癫痫受试者的脑电信号数据、心电信号数据以及肌电信号数据之后，还包括：对所述脑电信号数据、所述心电信号数据以及所述肌电信号数据分别进行预处理，得到预处理后的脑电信号数据、预处理后的心电信号数据以及预处理后的肌电信号数据；其中，所述预处理包括：通道筛选、去工频噪声、去基线偏移及高频噪声、重参考。
进一步地，所述程序被处理器执行时实现的将所述脑电信号数据按照时间分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段包括：采用固定宽度的滑动矩形窗对所述去工频噪声处理后的脑电信号数据进行分割，得到多个固定长度的脑电信号数据片段；获取每个脑电信号数据片段的信号幅度，并确定所述信号幅度的绝对值是否在预设的幅度范围内，当确定所述信号幅度的绝对值在预设的幅度范围内时，计算所述脑电信号数据片段的线长，当所述线长达到线长基准值时，则将所述脑电信号数据片段作为可疑癫痫脑电信号数据片段。
本发明充分考虑了不同发作类型的不同表现形式，将心电信号和肌电信号的特征结合脑电信号同步分析，如图3所示，具体包括如下：
1、对脑电图信号、心电信号、肌电信号的数据实时采集和预处理；其中，数据预处理：包括降采样、重参考、陷波去工频、带通滤波，其具体包括：
按照临床标准的放大器采集脑电、心电、肌电信号，采样率在200Hz以上、其中脑电通道数在16导以上，为了提高计算效率，使用时可重采样到200Hz；
去除无用通道。在EEG信号中，可能记录到一些后期不需要用到的通道信息，比如双侧乳突点等，可以先剔除，不必纳入后续的分析；
去工频。工频噪声是由电力系统引起的，交流电工频频率是50Hz。工频噪声会对电气设备和电子设备造成干扰，导致设备运行异常，同时淹没脑电图信号的有效信息。设计50Hz和/或50Hz的倍数的陷波滤波器来消除工频噪声干扰，得到去除工频噪声之后的信号；
滤波去噪。为了去除基线漂移及高频噪声，对脑电信号及肌电信号设计1.6-70Hz的带通滤波器对信号进行滤波去噪；对心电信号设计5.3-40Hz的带通滤波器对信号进行滤波去噪；
重参考。重参考包括单一电极重参考(monopolar rereference)、双极冲参考(bipolar rereference)、拉普拉斯重参考(laplacian rereference)或全局重参考(common average rereference)等重参考方法。针对脑电信号采用全局重参考，即将全脑所有数据的均值作为参考数据。EEG信号的每个数值减去参考数据，得到重参考之后的EEG信号S(t)。
2、可疑片段提取：以20S为一个窗口进行检测，筛选高频信号或低频信号突出背景的脑电片段作为可疑片段。实时检测的步长设置为1S；
在脑电信号采集过程中，可能碰到电极脱落，在脑电图上表现为远大于正常信号的波幅；正常脑电信号中也可能混杂着肌电信号，在脑电图上表现为密集抖动的波形。这些信号都被当成正常脑电图信号的伪差成分。而癫痫发作期的脑电信号往往也会突出背景，与伪差片段不易区分。因此可以先根据是否突出背景活动来判断某一个片段是否为可疑片段，再根据发作期的独有特征对可疑片段进行打分，从而达到发作检测的目的。
为起到对比效果，取无发作的20min脑电数据作为基准值进行阈值的设定。
可疑片段需要同时满足以下两个标准
(1)检测去除工频噪声之后的信号绝对值幅度是否在300-800微幅范围内；
(2)对预处理后的信号片段进行线长变换，得到信号片段的线长，并检测信号片段的线长Ll是否达到线长基准值lleeg，若达到，则判定为可疑片段。其中，lleeg的可选范围为2-8倍的20分钟对比信号经线长变换后的中值；
线长变换公式如下：
其中，S(t)表示去除工频噪声之后的信号S(t)，t表示时间采样点，Nll为在线长计算中用到的窗口宽度，abs[]为计算绝对值函数，Ll表示线长。
3、特征提取：对可疑片段进行对应的心率及其变化率的计算，并检测对应时间段的肌电信号，同时判断是否存在肌电爆发。对可疑片段还需要计算时域的相关矩阵；
31、心率及其变化率的计算
为起到对比效果，取无发作的20min心电数据作为基准值进行阈值的设定。预处理阶段对心电信号重采样至200Hz,并去除工频成分，滤波范围5.3-40Hz。分块处理数据，平均每段数据时长150s。并对每段数据设置相应的阈值。
thresh＝0.8*mean*std
其中mean和std分别表示用作对比的20min心电信号经过线长变换后的均值和方差。
检测每段数据中超过阈值的连续点的峰值点，并利用相邻的两个峰值点计算心率值。通过心率后一项与前一项的差值计算心率变化率。删除心率及变化率中的异常值，并进行数据平滑。最终将平滑后的心率作为发作检测的特征。并采用经典的CUSUM算法进行心率爆发检测。
32、肌电信号处理
预处理阶段对肌电信号重采样至200Hz,并去除工频成分，滤波范围1.6-70Hz。将处理后的肌电信号进行数据平滑，对平滑后的数据取RMS包络，对取完包络的肌电值采用经典的CUSUM算法进行肌电信号爆发检测，并判断肌电爆发时刻是否存在与EEG信号突变时刻延迟的现象。
33、计算时域相关矩阵
计算时为防止眼动干扰，选取脑电信号数据中除FP1(左额极)和FP2(右额极)以外的17个导联数据。对(17个导联)数据进行平滑处理后，将数据集分割成10s的片段集，计算时域上的相关系数。相关系数计算方式为矩阵自相关运算后取上三角的平均值作为该时刻的相关系数。进而计算时域相关系数的变化率。时域相关矩阵的阈值设定为20min无发作片段的时域相关系数中值的五倍。
相关系数矩阵计算公式为：其中Cij为脑电数据电压矩阵中的元素。最终的相关系数计算公式为：/>其中相关系数矩阵维度为n*n。
4、通过对可疑片段打分判断是否真实发作
将可疑片段的心率、心率爆发、肌电爆发、肌电爆发时延、时域相关矩阵作为判定可疑片段的特征。通过赋予各个特征值不同的权重，来对可疑片段进行打分，最终得分超过8分的片段判定为真实发作。
41、心电信号数据和肌电信号数据打分
若检测出心率爆发则加4分，若检测到肌电爆发则加2分，若检测到肌电爆发延迟加一分，若心率值大于120占比超过10％加1分。
42、脑电信号数据的时域相关矩阵打分
若时域相关系数过阈值部分占比超过10％则加2分；时域相关系数小于0.2时加2分；若时域变化率超过0.05时加2分。真实发作片段所对应的各个特征如图4所示。
根据本申请的另一方面，提出一种用于检测癫痫发作的设备，包括：获取单元，被配置为获取受试者在多个导联通道上的脑电图信号，获取受试者在多个通道上的肌电信号，获取受试者的心电信号；以及检测单元，被配置为基于脑电图信号和心电肌电信号的多个维度的特征中实时提取候选信号片段；分析候选信号片段的相关性指标以确定候选信号片段是否指示癫痫发作。
综上所述，本发明实施例应用于PICU病房的癫痫发作实时监测，当患者有癫痫发作时，可以及时通知医生。本方案包括获取受试者在多个导联通道上的脑电图信号，该脑电图信号具有多个信号片段；基于脑电图信号和心电肌电信号的多个维度的特征中实时提取候选信号片段；分析候选信号片段的相关性指标以确定候选信号片段是否指示癫痫发作。
根据本发明实施例提供的方案，应用于PICU病房的癫痫发作实时监测，当患者有癫痫发作时，可以及时通知医生。
尽管上文对本发明进行了详细说明，但是本发明不限于此，本技术领域技术人员可以根据本发明的原理进行各种修改。因此，凡按照本发明原理所作的修改，都应当理解为落入本发明的保护范围。
Claims (10)
1.一种PICU癫痫发作的检测系统，其特征在于，包括：
数据采集模块，用于实时采集癫痫受试者的脑电信号数据、心电信号数据以及肌电信号数据；
可疑片段检测模块，用于将所述脑电信号数据按照时间分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段；
可疑片段特征提取模块，用于根据所述可疑癫痫脑电信号数据片段，获取与所述可疑癫痫脑电信号数据片段相对应的心电信号数据片段和肌电信号数据片段，并通过对所述可疑癫痫脑电信号数据片段、心电信号数据片段和肌电信号数据片段分别进行特征提取，得到脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征；
癫痫检测模块，用于利用所述脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征，检测所述可疑癫痫脑电信号数据片段是否为真实癫痫发作片段；
其中，所述PICU是指儿童重症监护病房。
2.根据权利要求1所述的系统，其特征在于，还包括：
数据预处理模块，用于对所述脑电信号数据、所述心电信号数据以及所述肌电信号数据分别进行预处理，得到预处理后的脑电信号数据、预处理后的心电信号数据以及预处理后的肌电信号数据；
其中，所述预处理包括：通道筛选、去工频噪声、去基线偏移及高频噪声、重参考。
3.根据权利要求2所述的系统，其特征在于，所述可疑片段检测模块包括：
分割单元，用于采用固定宽度的滑动矩形窗对所述去工频噪声处理后的脑电信号数据进行分割，得到多个固定长度的脑电信号数据片段；
可疑片段检测单元，用于获取每个脑电信号数据片段的信号幅度，并确定所述信号幅度的绝对值是否在预设的幅度范围内，当确定所述信号幅度的绝对值在预设的幅度范围内时，计算所述脑电信号数据片段的线长，当所述线长达到线长基准值时，则将所述脑电信号数据片段作为可疑癫痫脑电信号数据片段。
4.根据权利要求3所述的系统，其特征在于，所述计算所述脑电信号数据片段的线长包括：
其中，Ll表示线长；Nll为在线长计算中用到的窗口宽度，S(t)表示脑电信号数据片段的信号，t表示时间采样点，abs[]为计算绝对值函数。
5.根据权利要求3所述的系统，其特征在于，所述可疑片段特征提取模块包括：
获取单元，用于获取所述可疑癫痫脑电信号数据片段的时间段信息，并根据所述时间段信息从所述预处理后的心电信号数据中获取与所述时间段相对应的心电信号数据片段，以及根据所述时间段信息从所述预处理后的肌电信号数据中获取与所述时间段相对应的肌电信号数据片段；
可疑片段特征提取单元，用于通过对所述可疑癫痫脑电信号数据片段进行特征提取，得到脑电可疑片段特征；通过对所述心电信号数据片段进行特征提取，得到心电可疑片段特征；以及通过对所述肌电信号数据片段进行特征提取，得到肌电可疑片段特征。
6.根据权利要求5所述的系统，其特征在于，所述脑电可疑片段特征包括时域相关系数和时域变化率；所述心电可疑片段特征包括心率值和是否发生心率爆发；所述肌电可疑片段特征包括是否发生肌电爆发和是否发生肌电爆发时延。
7.根据权利要求6所述的系统，其特征在于，所述癫痫检测模块包括：
计算单元，用于根据预置特征打分机制表，计算所述脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征的特征总分；
癫痫检测单元，用于当所述特征总分大于预置的特征阈值时，则将所述可疑癫痫脑电信号数据片段检测为真实癫痫发作片段，以及当所述特征总分不大于预置的特征阈值时，则将所述可疑癫痫脑电信号数据片段检测为虚假癫痫发作片段。
8.一种存储介质，其特征在于，所述存储介质上存储程序，所述程序被处理器执行时实现以下步骤：
实时采集癫痫受试者的脑电信号数据、心电信号数据以及肌电信号数据；
将所述脑电信号数据按照时间分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段；
根据所述可疑癫痫脑电信号数据片段，获取与所述可疑癫痫脑电信号数据片段相对应的心电信号数据片段和肌电信号数据片段，并通过对所述可疑癫痫脑电信号数据片段、心电信号数据片段和肌电信号数据片段分别进行特征提取，得到脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征；
利用所述脑电可疑片段特征、心电可疑片段特征以及肌电可疑片段特征，检测所述可疑癫痫脑电信号数据片段是否为真实癫痫发作片段；
其中，所述PICU是指儿童重症监护病房。
9.根据权利要求8所述的存储介质，其特征在于，所述程序被处理器执行时，还包括：
对所述脑电信号数据、所述心电信号数据以及所述肌电信号数据分别进行预处理，得到预处理后的脑电信号数据、预处理后的心电信号数据以及预处理后的肌电信号数据；
其中，所述预处理包括：通道筛选、去工频噪声、去基线偏移及高频噪声、重参考。
10.根据权利要求9所述的存储介质，其特征在于，所述程序被处理器执行时实现的将所述脑电信号数据按照时间分割成多个脑电信号数据片段，并通过对每个脑电信号数据片段分别进行检测，得到可疑癫痫脑电信号数据片段包括：
采用固定宽度的滑动矩形窗对所述去工频噪声处理后的脑电信号数据进行分割，得到多个固定长度的脑电信号数据片段；
获取每个脑电信号数据片段的信号幅度，并确定所述信号幅度的绝对值是否在预设的幅度范围内，当确定所述信号幅度的绝对值在预设的幅度范围内时，计算所述脑电信号数据片段的线长，当所述线长达到线长基准值时，则将所述脑电信号数据片段作为可疑癫痫脑电信号数据片段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211057230.2A CN117653021A (zh) | 2022-08-31 | 2022-08-31 | 一种picu癫痫发作的检测系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211057230.2A CN117653021A (zh) | 2022-08-31 | 2022-08-31 | 一种picu癫痫发作的检测系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117653021A true CN117653021A (zh) | 2024-03-08 |
Family
ID=90075785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211057230.2A Pending CN117653021A (zh) | 2022-08-31 | 2022-08-31 | 一种picu癫痫发作的检测系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117653021A (zh) |
-
2022
- 2022-08-31 CN CN202211057230.2A patent/CN117653021A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Merah et al. | R-peaks detection based on stationary wavelet transform | |
| Dingle et al. | A multistage system to detect epileptiform activity in the EEG | |
| JP5271718B2 (ja) | 複数の時間区分にわたり胎児及び産婦のｅｃｇを特定する方法 | |
| Sun et al. | ECG signal conditioning by morphological filtering | |
| CN111772585B (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 | |
| CN110338786B (zh) | 一种癫痫样放电的识别与分类方法、系统、装置和介质 | |
| CN101449973B (zh) | 用于心电干扰信号识别的判断指标的生成方法及装置 | |
| Xu et al. | A spike detection method in EEG based on improved morphological filter | |
| CN108814590B (zh) | 一种心电qrs波群的检测方法及其心电分析方法 | |
| CN106236080B (zh) | 基于多通道的脑电信号中肌电噪声的消除方法 | |
| CN109044280B (zh) | 一种睡眠分期方法及相关设备 | |
| CN112971795B (zh) | 心电信号质量评估方法 | |
| CN111358459A (zh) | 一种心律失常识别方法、装置、设备和存储介质 | |
| CN109893118A (zh) | 一种基于深度学习的心电信号分类诊断方法 | |
| CN114532993A (zh) | 一种癫痫患者脑电高频振荡信号的自动检测方法 | |
| CN111887811B (zh) | 基于脑电信号特征的大脑异常放电检测方法及系统 | |
| CN111887843B (zh) | 融合性癫痫发作期自动检测方法及系统 | |
| Bakhshipour et al. | Myocardial ischemia detection with ECG analysis, using Wavelet Transform and Support Vector Machines | |
| CN108937920B (zh) | 一种心室纤颤信号检测方法、系统及心室纤颤检测装置 | |
| CN110507299B (zh) | 一种心率信号检测装置及方法 | |
| CN117653021A (zh) | 一种picu癫痫发作的检测系统及存储介质 | |
| Tun et al. | Analysis of computer aided identification system for ECG characteristic points | |
| Fathail et al. | Ecg paper digitization and r peaks detection using fft | |
| CN115486854A (zh) | 一种针对干电极采集的单导联心电图室性早搏识别方法 | |
| CN115067877A (zh) | 用于检测癫痫发作的方法和设备 |
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 |