[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

说明书

本发明提供一种基于脑电信号特征的大脑异常放电检测方法及系统，该方法包括：采集原始脑电信号并进行数据处理；提取预处理后的脑电信号中的多域特征和棘波特征，多域特征包括时频特征和非线性特征；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；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。

技术领域

本发明涉及计算机领域，且特别涉及一种基于脑电信号特征的大脑异常放电检测方法及系统。

背景技术

大脑异常放电类疾病是大脑神经元突发性异常放电，导致短暂的大脑功能障碍的一种慢性疾病，癫痫就是一种由大脑异常放电引起的典型疾病。在全球超过六千五百万人患有癫痫病，中国的癫痫患者约有九百万人，并且这个数字还在以每年40万的速度增加。癫痫发作具有突发性、反复性和难预测性，并且在任何年龄段都有可能发病。

脑电图(Electroencephalogram，EEG)是通过精密的电子仪器，从头皮上将脑部的自发性生物电位加以放大记录而获得的图形，是通过电极记录下来的脑细胞群的自发性、节律性电活动。在临床医学中，EEG仍然是诊断某些脑疾病的重要工具，而且还可以为某些脑疾病提供有效的治疗手段，并在由大脑异常放电引起的疾病的检测方面发挥着重要的作用。

棘波是典型的大脑异常放电特征波形，通常被记录在脑电图中，相对于背景波形，棘波波形尖锐，具有高幅和瞬变的特性。目前临床上癫痫脑电的检查主要是通过人工检测来识别脑电信号中的棘波，但其效率低、主观性强，不能保证结果的准确性，为此棘波自动检测技术近年来受到越来越多的关注。经过近几年对棘波检测的研究，已经出现很多基于阈值的棘波自动检测方法，但在阈值选择上仍然存在困难；阈值过低，误检率会偏高；阈值过高，又会漏检很多棘波。

发明内容

本发明为了克服现有大脑异常放电检测方法主观性强且准确率低的问题，提供一种检测效率和精度均很高的基于脑电信号特征的大脑异常放电检测方法及系统。

为了实现上述目的，本发明提供一种基于脑电信号特征的大脑异常放电检测方法，其包括：

采集原始脑电信号并进行数据处理；

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

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；

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。

根据本发明的一实施例，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，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，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。

根据本发明的一实施例，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：