[发明专利]基于脑电信号特征的大脑异常放电检测方法及系统

权利要求书

1.一种基于脑电信号特征的大脑异常放电检测系统，其特征在于，包括：

数据采集处理模块，采集原始脑电信号并进行数据处理；

特征提取模块，提取预处理后的脑电信号中的多域特征和棘波特征，所述多域特征包括时频特征和非线性特征；

第一检测模块，基于提取时频特征和非线性特征采用已训练完成的随机森林模型来得到脑电信号异常放电的第一检测结果；

第二检测模块，基于提取的棘波特征中棘波比和设定阈值的关系来获得脑电信号异常放电的第二检测结果；

融合模块，融合第一检测结果和第二检测结果以得到最终的大脑异常放电检测结果；

其中，特征提取模块提取预处理后的脑电信号中的多域特征包括：

对脑电信号进行统计分析以得到时域特征，所述时域特征包括波形的线长、峰度、偏度、最大值、最小值、均值和方差特征；

采用小波包变换从脑电信号提取出不同的节律波，同时将脑电信号分解成五个频段并将不同的节律波与五个频段相互对应以建立时频关系，所述五个频段分别为：0.5Hz～4Hz的δ波，4Hz～8Hz的θ波，8H～12Hz的α波，12Hz～23Hz的β1波以及23Hz～30Hz的β2波；

采用赫斯特指数计算大脑异常放电波形非线性特征；

不同的节律波与五个频段之间建立时频关系的步骤包括：

首先，选择db6作为小波基函数并定义每个epoch为5秒；

其次，通过小波包变换从每个epoch中提取不同的节律波，其公式如下：

其中，Φ(t)为尺度函数；为小波基函数；i(0,1,2，…，2^j-1)为小波包变换的节点数；j为分解层；h(n)和g(n)＝(-1)^1-nh(1-n)为一对正交的图像滤波器；和为基于双尺度的小波基函数；n为滤波器的长度；

令第j层的第k个节点的脑电信号x(t)的小波包系数如下：

其中和分别为第j层的第k个节点的小波包分解的细节系数和近似系数；

之后，将五个频段的小波包系数归一化，公式如下：

其中K_l(r)为每个频段的小波包系数，p_l(r)为归一化小波包系数；N为小波包系数的长度；l为频段数；

最后，对进行L层小波包分解，会产生2^L个节点；在第j层分解时，信号会被分解成高频部分和低频部分，继续对分解后的高频部分和低频部分进行分解，得到新的高频部分和低频部分；重复上述分解，直到匹配五个频段所对应的节律波。

2.根据权利要求1所述的基于脑电信号特征的大脑异常放电检测系统，其特征在于，采用赫斯特指数计算大脑异常放电波形非线性特征的步骤包括：

采用R/S分析法进行估计，用X＝[x1；x2；:::；xC]表示脑电信号的epoch中的一个通道，R/S分析法计算公式如下：

其中H为赫斯特指数；R为最大距离，即X最大值与最小值之间的差值；S为X的标准差；C为X的长度。

3.根据权利要求1所述的基于脑电信号特征的大脑异常放电检测系统，其特征在于，在提取时频特征和非线性特征后采用线性判别分析减小特征参数的维数后再采用已训练完成的随机森林模型来得到脑电信号异常放电的第一检测结果。

4.根据权利要求1所述的基于脑电信号特征的大脑异常放电检测系统，其特征在于，使用形态学滤波器提取棘波特征，其步骤包括：

首先，由于棘波的形状近似于三角形，因此选择三角形结构元素g(k)，其公式表示如下：

其中A为结构元素的中心高度，D为结构元素的宽度的一半，k为一个时间序列中的采样点数；

接着，将脑电信号的每个通道都分割成一定长度的脑电片段，使用形态学滤波器将每个脑电片段中的几何特征与预设的结构元素进行匹配。