[发明专利]一种癫痫脑磁图棘波自动检测方法与溯源定位系统

权利要求书

1.一种癫痫脑磁图棘波自动检测方法，其步骤包括：

1）对各样本脑磁图数据进行分割，得到多个脑磁图数据片段；其中每个脑磁图数据片段为一大小为M*N的二维矩阵形式的数据集，M为该脑磁图数据片段的通道数；N为该脑磁图数据片段的通道时间长度或时间片数；

2）利用步骤1）得到的脑磁图数据片段训练脑磁图多视图棘波检测模型；其中所述脑磁图多视图棘波检测模型包括模块一、模块二、模块三和分类输出模块；其中，模块一包括一维深度卷积神经网络，用于对脑磁图数据片段中的一单通道进行表示学习，得到对应通道的特征数据，即该脑磁图数据片段的局部特征数据；模块二为具有非共享和共享的权重二维深卷积神经网络，用于对输入的脑磁图数据片段进行多通道表示学习和加权特征组合，得到该脑磁图数据片段的全局特征数据；模块三用于将模块一和模块二所提取的特征进行特征融合；分类输出模块，用于根据融合的特征数据计算输出该脑磁图数据片段的棘波分类结果；

3）对待处理的脑磁图信号进行伪迹去除操作，然后对脑磁图数据进行分割得到多个脑磁图数据片段；

4）将步骤3）所得脑磁图数据片段分别输入到训练后的脑磁图多视图棘波检测模型中，得到对应脑磁图数据片段的棘波分类结果；

5）根据步骤4）所得棘波分类结果确定该待处理的脑磁图信号是否存在棘波。

2.如权利要求1所述的方法，其特征在于，所述模块一包括输入数据处理模块，用于从输入的脑磁图数据片段中获取一单通道数据，每一单通道数据依次经所述模块一的第一卷积层、第二卷积层、第一最大池化层、第三卷积层、第四卷积层、第二最大池化层、第五卷积层、第六卷积层、全局最大池化层和全连接层处理后输出；其中，第一卷积层、第二卷积层中分别包含K个滤波器，所述滤波器的卷积核大小为（1*j）；第一最大池化层、第二最大池化层均为大小为 2 的池化层；第三卷积层、第四卷积层中分别包含L个滤波器，其中滤波器的卷积核大小为（1*i）；第五卷积层、第六卷积层中分别包含P个滤波器，其中滤波器的卷积核大小为（1*h）；所述模块二依次包括一非共享权重二维卷积层、共享权重二维卷积层；其中非共享权重二维卷积层包括K’个卷积核大小i’*j’的滤波器，共享权重二维卷积层包括L’个卷积核大小1*1的滤波器；其中， 0小于K’，0小于j’小于N，0小于i’=M，0小于L’， N大于100，K大于0，L大于0，P大于0，且P=L’；j大于0，（N-2j+2）大于0，i大于0，h大于0，（N/2-j-2i+3）大于0，k大于0，（N/4-j/2-i-2k+3.5）大于0。

3.如权利要求1所述的方法，其特征在于，根据脑磁图数据片段的棘波分类结果，利用峰值检测算法自动标记出该脑磁图数据片段中棘波信号的出现时刻，然后对该棘波信号出现时刻的全通道信号数据进行溯源，定位出癫痫病灶区域。

4.如权利要求1所述的方法，其特征在于，步骤2）之后，对训练数据进行检测，得到检测结果为假阳性的训练数据，将所得检测结果为假阳性的训练数据和检测结果为真阳性的训练数据按照1:1的比例重新放入步骤2）训练后的已加载参数权重的棘波检测模型中再次进行训练棘波检测模型。

5.如权利要求1所述的方法，其特征在于，采取了300ms的时间间隔对脑磁图数据进行分割，即每个脑磁图数据片段的时间长度为300ms，然后将脑磁图数据按脑区划分，每个脑区占据39个通道，对于不足39通道的通过补充全零通道进行补全，得到多个39*300大小的矩阵形式的数据集。

6.如权利要求1所述的方法，其特征在于，所述分类输出模块将融合的特征数据进行展平、全连接层处理之后，输出该脑磁图数据片段的棘波分类结果。

7.如权利要求6所述的方法，其特征在于，所述全连接层包含的单元个数为2048，使用激活函数为Leaky ReLU；该全连接层的输出类别为300个分类，即采取Dense函数把输入的长度为 2048的向量降为长度为300的向量，输出值将表示峰值出现的概率。