[发明专利]一种脑电信号处理方法及癫痫检测系统

说明书

本公开公开了一种脑电信号处理方法及癫痫检测系统，数据预处理：对脑电信号数据集进行离散小波变换分解出五条脑电图频带；求出小波系数；剔除一条频率最高的脑电图频带，通过逆向离散小波变换对剩余四条低频率的频带进行重构，得到一个去掉高频成分的信号；从重构得到的信号中提取时域特征和基于熵的特征，构建备选特征集合；利用基于特征相关性的特征选择法从备选特征集合里面选出最优特征子集。其具有针对已提取特征，利用改进的基于相关性特征选择方法选出最优特征子集的效果。

技术领域

本公开涉及生物医学信号处理技术领域，特别是涉及一种脑电信号处理方法及癫痫检测系统。

背景技术

本部分的陈述仅仅是提高了与本公开相关的背景技术，并不必然构成现有技术。

癫痫是一种常见的慢性神经系统疾病，该病突发时，患者大脑神经元异常放电，伴随短暂的大脑功能障碍。长期频繁的发作可对患者的身心、智力产生严重影响。目前，诊断癫痫主要依靠医生对脑电图的视觉检查来完成。人工脑电图检测不仅代价高昂，并且由于步骤繁琐和主观性差异往往导致误诊。因此，有必要设计一种脑电信号的特征提取和分类方法，开发一个计算成本低、精度高的系统来实现自动检测癫痫。

在此之前，已有一些利用脑电信号检测癫痫的文献和专利。

已有文献提出一个有效的特征提取方法，该方法通过实时微分癫痫脑电信号，计算Hjorths移动性成分的光谱功率。作者认为脑电信号中Hjorths移动性成分的光谱特征可以表示发作活动，有可能为开发快速可靠的癫痫发作检测方法铺平道路。然而，该方法所提取脑电特征种类过少，无法充分表示复杂的脑电信号，且作者未提出有效的分类检测方法，因而该方法尚不能很好地应用于实践。

已有文献提出了根据固有模态函数的相位空间表示，对癫痫发作时脑电信号分类。该方法首先使用经验模式分解来分解EEG信号，然后为获得的固有模态函数重建相位空间。二维和三维相位空间表示用于分类癫痫发作和未发作的脑电信号。该方法计算成本较高，无法形成轻量级的癫痫检测系统。

已有文献应用基于模糊近似熵的离散小波变换和支持向量机。作者观察到模糊近似熵的定量值在发作期下降，说明癫痫脑电信号比正常受试者的脑电信号更有序。所有数据集中不同子带的模糊近似熵值用于形成特征向量，并输入分类器。作者比较了基于径向基函数的支持向量机和基于线性基函数的支持向量机的分类精度。该方法虽然提取出足够的有效特征，但未对特征进一步筛选，存在的冗余特征有可能影响到分类精度。

申请号为201710325466.2的发明公开了一种癫痫患者脑电信号的处理方法及系统。该方法将多导脑电信号分成若干数据段，采用最大互相关函数计算同一时间窗下的任意两段数据段的最大互相关系数，作为相应数据段的特征值，然后通过计算所有脑电信号之间的互相关系数构成特征矩阵；并应用主成分分析法获取与癫痫发作相关的稀疏特征矩阵，作为最终的脑电信号的特征矩阵；最后采用最小二乘支持向量机算法分类癫痫患者脑电信号。该发明并未采用基于相关性特征选择方法，且主成分分析法容易忽略掉一些对分类起重要作用的不突出特征。

应当注意的是，已有的癫痫脑电处理及检测方法，均采用了支持向量机模型分类并进行癫痫检测。支持向量机模型能取得很好的分类效果，但只能用于二分类而非多分类。目前尚未有一种脑电信号处理方法，针对已提取特征，选出最优特征子集；目前缺乏癫痫检测系统并对健康人、癫痫病人正常状态和发作期下的脑电信号进行分类，从而检测出对象是否具有患癫痫的属性。

发明内容

为了解决现有技术的不足，本公开提供了一种脑电信号处理方法及癫痫检测系统，其具有针对已提取特征，利用改进的基于相关性特征选择方法选出最优特征子集的效果；

第一方面，本公开提供了一种脑电信号处理方法；

一种脑电信号处理方法，包括：