[发明专利]一种基于脑电临界核参数预测癫痫发作的系统

说明书

本发明涉及脑科学、神经信息分析、物理学相变等技术领域，具体涉及一种基于脑电临界核参数预测癫痫发作的方法，包括获取原始多通道脑电图，并对脑电数据进行预处理，筛选获取脑电异常波动大核心通道的数据；根据获取核心通道的数据构建癫痫脑电的临界核并计算其尺寸，获得癫痫发作的空间临界特征；对获取核心通道的数据中脑电幅度涨落波动进行Z分数标准化，得到癫痫发作的时序临界特征；结合获得的空间临界特征和时序临界特征，构建基于临界核的复合指标，并设置报警阈值，根据复合指标与报警阈值的关系进行预测；本发明从时间和空间设计癫痫脑电时空临界特征参数，能更全面的衡量脑电信息，即使在样本较少的情况下本发明仍然具有良好识别效果。

技术领域

本发明涉及脑科学、神经信息分析、物理学相变等技术领域，具体涉及一种基于脑电临界核参数预测癫痫发作的系统。

背景技术

癫痫发作是中枢神经系统功能失调引发的神经元群异常超同步放电产生的，具有反复性和突发性等特征，容易给患者带来意外伤害甚至死亡。癫痫发作有效的预测可以减少患者受到伤害的风险，提高患者生活质量，有助于癫痫诊断治疗的临床决策。脑电记录大脑的电活动信息具有无创、高时间分辨率和可持续监测等优点成为临床癫痫诊疗必不可少的重要工具。癫痫预测的本质是提取发作前期脑电特征，有效的区别发作前期脑电和正常脑电。不同于发作期脑电的高频高幅的显著差异，发作前期和正常脑电没有明显的差异。因此，癫痫发作预测的效果仍然不能令人满意，没有适合临床应用的预测工具。目前脑电信号预测癫痫发作常用的方法是机器学习和深度学习，但这些方法过渡依赖数据的样本量，只有当癫痫发作次数足够多时，才能得到较好的预测效果。而且深度学习模型是一个“黑盒”系统，其内部的运行机制还有待阐明，限制了其临床应用。

相变思想及其临界现象从物理学科逐步发展拓宽至化学、生态系统、网络通信甚至医学等领域。目前，相变中的临界转变应用于复杂疾病早期诊断取得了一定的成果，利用高通量基因蛋白测序构建动态网络，进行癌症、癌症转移、流行性疾病等的早期诊断。临界转变用于复杂疾病的早期诊断为本发明开展癫痫发作预测提供了新思路。本发明引入相变思想，研究癫痫发作的临界转变过程，提出一种基于脑电临界核参数的预测癫痫发作的方法，实现癫痫发作的早期预警，可以为辅助临床癫痫发作实时监测提供重要的实际意义。

发明内容

为了实现癫痫发作的早期预测，为临床癫痫患者提供预警，提高患者的生活质量，本发明提出一种基于脑电临界核参数预测癫痫发作的系统，具体包括以下步骤：

S1、获取原始多通道脑电图，并对脑电数据进行预处理，筛选获取脑电异常波动大核心通道的数据；

S2、根据获取核心通道的数据构建癫痫脑电的临界核并计算其尺寸，获得癫痫发作的空间临界特征；

S3、对获取核心通道的数据中脑电幅度涨落波动进行Z分数标准化，得到癫痫发作的时序临界特征；

S4、结合获得的空间临界特征和时序临界特征，构建基于临界核的复合指标，并设置报警阈值，根据复合指标与报警阈值的关系进行预测。

进一步的，获得癫痫发作的空间临界特征的过程包括以下步骤：

从核心通道中根据皮尔逊相关系数选择相关性最高的两两通道；

根据两两通道之间的相关性，通过二值化构建临界核，即将电极作为节点，若两个节点间相关性强则存在边关系，所有节点和边关系即为临界核；

计算临界核大小，将其作为癫痫发作的空间临界特征。

进一步的，两两通道信号的皮尔逊相关性系数表示为：