[发明专利]一种脑磁图癫痫棘波识别方法和系统

说明书

本发明涉及一种脑磁图癫痫棘波识别方法和系统，该方法将MEG数据分为有棘波数据与无棘波数据两种，并对MEG数据进行预处理，分别得到N段相同时长的有棘波数据段与无棘波数据段；对得到的各段数据进行分析处理，提取各段数据的特征向量构成样本数据集，并将样本数据集划分为训练集与测试集；利用训练集对径向基核函数支持向量机分类器进行训练，得到训练好的分类器模型；将测试集输入到分类器模型中，以识别是否有癫痫棘波。本发明对癫痫脑磁信号的自动识别可以及时对患者的情况作出判断，判别准确率可达到93.8％，降低了医生的劳动强度，提升了检测正确率并降低了漏检率和误检率，在临床上有很重要的意义。

技术领域

本发明涉及机器学习领域，尤其涉及一种脑磁图癫痫棘波识别方法和系统。

背景技术

癫痫在脑磁图中的主要表现是棘波和尖波，有时对它们不作区分，统称为癫痫瞬变现象或棘波。棘波和尖波突出于背景活动，波幅较高，周期在20ms～200ms之间。

脑磁信号的分析主要是对大脑异常活动的检测分析，这些工作目前都是由医疗工作者根据经验通过对患者脑磁图的视觉检测完成的。视觉检测有许多不利的因素，一般一次检测要记录60分钟的数据，从很长的数据中找出棘波非常耗费精力，对分析者的判断力有很高要求，并且医生在工作中要接触大量癫痫病例，在繁重的工作任务下分类结果的准确性无法保证。而且，不同的专家对同一记录的判断结果也不尽相同。因此，降低对异常脑电信号的自动检测的漏检率和误检率显得十分重要。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种脑磁图癫痫棘波识别方法和系统，可根据MEG数据有效识别是否有癫痫棘波，降低医生的劳动强度，提升检测正确率并降低漏检率和误检率。

本发明解决上述技术问题的技术方案如下：

第一方面，本发明实施例提供了一种脑磁图癫痫棘波识别方法，包括以下步骤：

采集癫痫患者的MEG数据和核磁共振数据，并将MEG数据和核磁共振数据进行融合，生成MSI图像，所述MEG数据包括有棘波数据与无棘波数据；

对所述MEG数据进行预处理，分别得到N段相同时长的有棘波数据段与无棘波数据段；

从生成的MSI图像中分别提取各段数据的特征向量，构成样本数据集，并将所述样本数据集划分为训练集与测试集；

利用所述训练集对分类器进行训练，得到训练好的分类器模型；

将测试集输入到分类器模型中，以识别是否有癫痫棘波。

进一步，所述对所述MEG数据进行预处理，分别得到N段相同时长的有棘波数据段与无棘波数据段，具体包括：

对MEG数据进行滤波得到0.1～500Hz频段数据；

去除0.1～500Hz频段数据中的伪迹，所述伪迹包括眼电和眼动对MEG数据的干扰；

从有棘波数据段中截取N段时长为M毫秒的含棘波峰值的数据段，从无棘波数据段中截取N段时长为M毫秒的无棘波数据段。

进一步，所述从生成的MSI图像中分别提取各段数据的特征向量，构成样本数据集，并将所述样本数据集划分为训练集与测试集，具体包括：

利用Desikan-Killiany图谱对得到的各段数据进行分析处理，得到左右半脑各34个脑区的皮层厚度数据；

对得到的皮层厚度数据用Dipole方法进行求源处理，并对求源处理后的数据按照Desikan-Killiany图谱进行下采样；

将下采样后的各数据段按照预设频段划分，并分别计算各频段的相位锁定值，将各数据段的相位锁定值构成相位锁定值矩阵；