[发明专利]一种检测脑电信号中爆发抑制状态的方法以及装置

说明书

技术领域

本发明涉及脑电信号中爆发抑制波的检测方法以及装置。

背景技术

近年来，越来越多的研究开始关注连续脑电信号中的爆发抑制波，这种波是经常出现的一种特殊的脑电波形，其波形在形态上表现为高幅高频的爆发状态与低幅值的抑制状态交替出现，并且以不可测的非周期的模式出现。目前现有的脑电分析系统主要为脑电频谱分析。由于爆发抑制波的特殊性和非稳态特性，常规的频谱分析方法很难准确的检测出爆发抑制波。

最早的爆发抑制波形的检测采用频谱分析方法(请参考KoskinenM，Sarkela M，SeppanenT，Jantti V，Suominen K.Characterizing EEG burst suppression with spectral analysis methods.Proceedings of the 1999 Finnish Signal Processing Symposium，1999：132-136)，爆发抑制信号包含了幅值的改变以及不同频率的振荡，论文中采用了谱分析来提取信号的频率和功率特征。但是，频谱分析方法具有明显的局限性，它只分析了信号的频率，功率等特性，是将脑电信号看做线性系统的分析方法，而脑电信号本身具有很强的非线性特性，这对于判断的准确性会造成影响；而且基于频谱分析的方法很难给出在时间尺度上的指标(爆发抑制)，这也是频谱分析的局限之一。

非线性能量因子(NLEO)是Plotkin and Swamy首先提出并由Agarwal等应用于分析脑电信号中的爆发抑制波形(请参考Sarkela M，Mustola S，Seppanen T，Koskinen M，Lepola P，Suomi-nen K，Juvonen T，Tolvanen-Laakso H，Jantti V.Automatic analysis and monitoring of burst suppression inanesthesia.J ClinMonit 2002；17：125-134)。非线性能量因子方法为时域分析方法，其能够捕获频率和幅度信息，基于NLEO的爆发抑制脑电分析通过计算时间尺度上的幅值的变化特征，与预先设定的阈值相比较，将信号分为爆发信号，抑制信号，以及伪迹，然后再计算在一分钟内出现的抑制时间和总时间的比值。

但是，由于非线性能量因子分析方法是基于信号幅值特征的，其阈值的选取对幅值的变化会比较敏感。由于人的个体性差异，以及不同年龄阶段脑电信号的幅度差异性，基于幅度信息作为阈值的分析方法容易导致计算结果失效，因此，非线性能量因子在检测爆发抑制波上存在着一定的局限性。

近年来，越来越多的非线性动力学分析开始应用于脑电信号的检测。其中应用比较广泛的就是熵指数分析，包括柯尔莫哥诺夫熵(Kolmogorov Entropy，K2)，状态熵，反应熵，近似熵等。这些非线性动力学分析的主要缺点是对数据长度的依赖性以及对噪声的敏感性。脑电信号固有的不稳定性以及所包含的各种各样的噪声将直接影响这些方法的结果。

经检索发现，中国专利申请03137747.5使用非线性动力学分析方法来对脑电信号进行处理，但是其方法主要采用关联维数、复杂度和近似熵的综合来给出一个非线性指标，且用于实时监测脑电的非线性趋势判断，并未考虑爆发抑制波的检测。

又经检索发现，中国专利号ZL 200310122416.2，名称为：一种脑电涨落信号分析设备，该技术提供了一种脑功能检测方法，其主要理论基础为频谱理论。

发明内容

本发明针对现有技术的不足，提供了一种周期量化的分析方法和装置用来检测脑电中的爆发抑制波，能够较为准确的判断脑电信号中的爆发抑制状态。为了达到上述目标，本发明的技术方案为：

一种检测脑电信号中爆发抑制状态的方法，包括以下步骤：

步骤101，采集脑电信号；

步骤102，去除脑电信号中的伪迹和噪声；

步骤103，对去除伪迹和噪音后的脑电信号进行相空间重构，得到一个周期图；

步骤104，对周期图进行定量分析，计算其周期比率RR；

步骤105，设定阈值，根据周期比率RR判断信号的爆发抑制状态，并计算爆发抑制比BSR。

所述步骤102中去除原始信号的伪迹，采用基线过滤和卡尔曼自适应自回归模型相结合进行滤波。

所述基线过滤方法通过对每个采样点前后各50个点，总共101个点取平均，并从采样点值中减去所求得的平均值，以去除基线漂移，其计算公式如下：