[发明专利]棘波识别方法、装置、电子设备及计算机可读存储介质

说明书

本发明涉及一种棘波识别方法、装置、电子设备及存储介质，包括步骤：获取脑电信号中的待识别脑电信号段；从待识别脑电信号段中提取用于表征待识别脑电信号段形态的形态学特征；对待识别脑电信号段进行小波变换，并提取待识别脑电信号段的时频特征；计算待识别脑电信号段中的非线性能量算子，以提取待识别脑电信号段的非线性动态特征；将形态学特征、时频特征和非线性动态特征作为预先训练得到的检测模型的输入，利用检测模型确定待识别脑电信号段是否为棘波信号段。相比于只从单一角度对待识别脑电信号段进行识别，通过从三个角度来对待识别脑电信号段进行识别，考虑到的相关信息更加全面，从而能够提高最终的检测精准度。

技术领域

本发明涉及医疗领域，具体涉及一种棘波识别方法、装置、电子设备及计算机可读存储介质。

背景技术

癫痫是一种神经肌肉疾病，基于头皮脑电图的癫痫治疗因其可及性、非侵袭性和成本效益而在临床实践中得到广泛应用。癫痫分析包括检测异常脑电图模式和脑电信号，以对癫痫诊断和管理。脑电图（EEG）异常脑电信号起源位置与致痫区有良好的一致性，因此定位异常脑电信号可用于难治性癫痫患者手术前后的评估。

现有棘波检测技术大多基于颅内脑电信号，需要对病人开颅植入电极进行记录，对病人造成了很大的生理和心理负担，增加其痛苦。并且在采集脑电信号时，病人发作时引起身体不自主的抽搐，导致发作期癫痫信号采集较困难，因此对脑电信号的分析通常依赖于发作间期头皮脑电信号。

长期以来，癫痫发作间期脑电信号干预的金标准是视觉检查和人工标记。然而，大部分病人需要进行长期脑电图检查，这种检查可能持续3-5天，由于长时间的检查和专家的客观评价，很难实现棘波识别的一致性。而事实上，头皮脑电信号往往也会受到一系列伪影的污染和干扰，包括睡眠状态变化、眨眼、眼球运动和电极伪影等。因此，由于这些干扰，对棘波的标记是一个复杂的问题。

虽然神经科学家是专业的，但他们的客观分析可能会导致专家对同一记录段的误判和分歧，尤其是对于低信噪比的头皮脑电信号。对脑电图的错误判断可能会对癫痫患者产生不良误诊影响，导致患者需要多年的抗癫痫药物治疗。平均来说，由于未发现脑电信号中存在棘波的癫痫患者在被正确诊断之前要接受7年的错误治疗。因此，利用计算机辅助工具对脑电信号进行干预，可以帮助神经科医生更准确地分析癫痫脑电，提高注释质量。

支持向量机是一种基于统计学习理论的高级模式分类器，能够很好地完成分类问题。目前，已有许多基于头皮脑电信号和支持向量机的棘波识别方法，具有较高的敏感性和特异性。但发明人发现，现有的棘波识别分析局限于单一视角特征，从而导致采用这种方式的棘波识别准确率低。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中棘波识别准确率低的缺陷，从而提供一种棘波识别方法，包括如下步骤：

获取脑电信号中的待识别脑电信号段；

从所述待识别脑电信号段中提取用于表征所述待识别脑电信号段形态的形态学特征；

对所述待识别脑电信号段进行小波变换，并提取所述待识别脑电信号段的时频特征；

计算所述待识别脑电信号段中的非线性能量算子，以提取所述待识别脑电信号段的非线性动态特征；

将所述形态学特征、时频特征和所述非线性动态特征作为预先训练得到的检测模型的输入，利用所述检测模型确定所述待识别脑电信号段是否为棘波信号段。

优选地，所述从所述待识别脑电信号段中提取用于表征所述待识别脑电信号段形态的形态学特征，包括：

获取所述待识别脑电信号段中各采样点对应的幅值，并计算峰值与谷值的时间差；

利用所述采样点的数量、各采样点对应的幅值以及所述时间差计算得到所述形态学特征。