[发明专利]基于深度学习和电生理信号的癫痫病灶区定位系统及方法

权利要求书

1.一种基于深度学习和电生理信号的癫痫病灶区定位系统，其特征在于，包括：

脑影像合成模块，用于获取脑影像数据，并将所述脑影像数据进行融合，确定患者脑结构异常与脑代谢异常区域，同时通过对颅内电极脑影像数据的三维重构，确定每个电极位点具体的脑沟回结构，生成脑影像病理结果；

脑电信号处理模块，用于获取颅内脑电信号，并利用人工智能算法对所述颅内脑电信号进行机器判读，结合多模态电生理信号和电刺激结构连接信号，进行正常电极与癫痫致痫区电极的分类，生成电极分类结果；

三维立体成像模块，所述三维立体成像模块分别与所述脑影像合成模块、脑电信号处理模块连接，用于将所述脑影像合成模块生成的脑影像病理结果结合所述脑电信号处理模块生成的电极分类结果，模拟出患者需要切除的脑结构三维立体模型。

2.根据权利要求1所述的基于深度学习和电生理信号的癫痫病灶区定位系统，其特征在于，所述脑影像合成模块包括：

磁共振图像获取单元，用于通过磁共振成像数据处理，获取MRI脑影像数据；

正电子发射断层扫描数据获取单元，用于通过正电子发射断层扫描数据处理,获取PET脑影像数据；

电子计算机断层扫描数据获取单元，用于通过电子计算机断层扫描数据处理，获取CT脑影像数据；

融合单元，所述融合单元分别与所述磁共振图像获取单元、正电子发射断层扫描数据获取单元、电子计算机断层扫描数据获取单元连接，用于对PET脑影像数据和MRI脑影像数据进行融合、融合PET脑影像数据和MRI脑影像数据的成像结果，并对成像结果进行处理，调整PET与MRI的对比度，比较和定位患者的脑代谢异常与脑结构异常的脑区位置，并对定位患者的脑代谢异常与脑结构异常的脑区位置进行标志，对标定的结构异常或者代谢异常的脑区发送至所述三维立体成像模块。

3.根据权利要求2所述的基于深度学习和电生理信号的癫痫病灶区定位系统，其特征在于，所述脑电信号处理模块包括：依次连接的颅内脑电特征提取模块、皮层电刺激网络构建模块、图卷积分类模块；

其中，所述颅内脑电特征提取模块用于获取颅内脑电信号，并通过深度学习算法提取睡眠态、静息态、发作期颅内脑电信号的特征；

所述皮层电刺激网络构建模块用于通过信号检测创建电极之间的脑结构连接模型；

所述图卷积分类模块用于利用图卷积方法，结合颅内脑电特征提取模块提取的属性特征和皮层电刺激网络构建模块构建的结构连接图谱将颅内电极进行分类，判定正常电极和致痫区电极，生成电极分类结果。

4.根据权利要求3所述的基于深度学习和电生理信号的癫痫病灶区定位系统，其特征在于，所述颅内脑电特征提取模块包括：

静息态数据获取单元，用于获取患者静息状态的颅内脑电信号；

睡眠态数据获取单元，用于获取患者睡眠时期的颅内脑电信号；

发作期数据获取单元，用于获取患者癫痫症状发作时颅内脑电信号；

预处理单元，所述预处理单元分别与所述静息态数据获取单元、睡眠态数据获取单元、发作期数据获取单元连接，用于对获取的静息状态的颅内脑电信号、睡眠时期的颅内脑电信号、癫痫症状发作时颅内脑电信号的三个模态数据进行预处理，对三个模态的数据进行时频分析，提取三个模态数据的不同频段的能量；

深度学习特征提取模块，所述深度学习特征提取模块与所述预处理单元，用于将预处理单元提取的三个模态数据的不同频段的能量作为输入，并通过编码器提取出潜在表征作为图卷积模型中节点的属性特征。

5.根据权利要求3所述的基于深度学习和电生理信号的癫痫病灶区定位系统，其特征在于，所述皮层电刺激网络构建模块，包括：

低频电刺激单元，用于产生低频电刺激信号，刺激患者颅内电极产生颅内电生理信号；

脑网络构建单元，所述脑网络构建单元与所述低频电刺激单元连接，用于对刺激患者颅内电极产生颅内电生理信号，构建全脑所有电极之间的结构连接图谱。