[发明专利]基于集成分类的高频振荡节律检测方法及装置

说明书

本发明涉及癫痫脑电信号处理领域，提供一种基于集成分类的高频振荡节律检测方法，包括以下步骤：通过均方根算法对预处理后脑电信号进行计算，获得所述预处理后脑电信号中的疑似高频振荡节律；通过降噪自编码网络对所述疑似高频振荡节律的小波系数进行特征提取，获得所述疑似高频振荡节律的时频域特征；通过样本权重调节后的集成分类器对所述时频域特征进行检测，获得高频振荡节律。本发明基于样本权重调节进行集成分类，克服高频振荡节律与非高频振荡节律之间的类不平衡问题，提高高频振荡节律检测性能。

技术领域

本发明涉及癫痫脑电信号处理领域，尤其涉及一种基于集成分类的高频振荡节律检测方法及装置。

背景技术

癫痫是一种常见的神经系统疾病，全球约有7000万癫痫患者。大部分癫痫患者通过服用抗癫痫药物(如苯妥英、乙琥胺、卡马西平、丙戊酸等)能有效抑制癫痫发作，但仍有约30％的患者对药物不敏感。这部分患者难以通过药物抑制癫痫发作，从而被确诊为难治癫痫患者。

手术切除癫痫病灶是治疗难治性癫痫的有效方法。近20年来，大量研究表明高频振荡节律是癫痫发作始发区的显著生物标志物，手术切除患者产生高频振荡节律的大脑组织可以根治癫痫。高频振荡节律是脑电图记录的反映神经元同步瞬变的脑电活动。根据频率范围，高频振荡节律通常分为涟波(ripples，80-200Hz)和快速涟波(fast ripples，250-500 Hz)。精确检测脑电信号中的高频振荡节律是治疗性癫痫的术前关键。

目视检测高频振荡节律非常耗时(检测10分钟10导联的脑电数据需要10小时)。为了快速检测高频振荡节律，研究者提出了许多高频振荡节律自动检测算法。这些算法通常需要对癫痫脑电信号进行分类。支持向量机具有较强的鲁棒性和非线性处理能力，可用于癫痫脑电信号的分类，但其中影响分类性能的核参数和惩罚参数的调节过程非常耗时。基于自适应提升的支持向量机集成分类器通过构造一组基分类器(即支持向量机)，并将基分类器的输出进行加权组合，得到输入样本的分类结果，避免了支持向量机核参数和惩罚参数耗时的调节过程。

在高频振荡节律和非高频振荡节律这两类脑电信号中，前者的数量明显少于后者的数量，因此存在类不平衡。类不平衡会导致基于自适应提升的支持向量机集成分类器过度关注非高频振荡节律子类，从而易将高频振荡节律误判为非高频振荡节律，降低高频振荡节律检测性能。处理类不平衡的常用方法是利用欠采样来平衡不同类别的样本数量，即对非高频振荡节律子类进行欠采样，使采样后高频振荡节律数量与非高频振荡节律数量相近或相同。该方法在一定程度上减少了类不平衡的影响，但降低了脑电数据的利用率。现有技术无法解决高频振荡节律与非高频振荡节律之间的类不平衡问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于，解决现有技术中无法解决高频振荡节律与非高频振荡节律之间的类不平衡问题。

为实现上述目的，本发明提供一种基于集成分类的高频振荡节律检测方法，包括以下步骤：

通过均方根算法对预处理后脑电信号进行计算，获得所述预处理后脑电信号中的疑似高频振荡节律；

通过降噪自编码网络对所述疑似高频振荡节律的小波系数进行特征提取，获得所述疑似高频振荡节律的时频域特征；

通过样本权重调节后的集成分类器对所述时频域特征进行检测，获得高频振荡节律。

优选地，所述通过均方根算法对预处理后脑电信号进行计算，获得所述预处理后脑电信号中的疑似高频振荡节律的步骤之前，还包括：

对所述脑电信号进行带通滤波操作，去除所述脑电信号中通频带以外的信号，获得预处理后脑电信号。

优选地，所述通过均方根算法对预处理后脑电信号进行计算，获得所述预处理后脑电信号中的疑似高频振荡节律，具体为：