[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

说明书

本发明公开了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，包括：脑影像合成模块用于获取脑影像数据，并进行融合确定患者脑结构异常与脑代谢异常区域，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；三维立体成像模块分别与脑影像合成模块、脑电信号处理模块连接，用于将脑影像合成模块生成的脑影像病理结果结合脑电信号处理模块生成的电极分类结果，准确地模拟出患者需要切除的脑结构三维立体模型。本发明提高了癫痫致痫灶检测定位效率和准确率。

技术领域

本发明涉及医疗设备技术领域，尤其涉及的是一种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。

背景技术

癫痫是影响全世界1％人的神经系统疾病之一，局灶性癫痫患者占癫痫患者总数的50％。然而30％局灶性癫痫患者的病情不能用药物得到有效控制，只有在外科手术的帮助下才能将致痫区切除，从而达到减少或遏制癫痫发作的目的。立体定向脑电图(stereo-EEG,SEEG)，将电极植入患者颅内，能直接记录脑沟回的神经活动，因而能够更准确的定位癫痫致痫区。临床医生通过数十天的24小时不间断的SEEG监控(静息态、睡眠态、癫痫发作态)，从而做出手术计划。但是此法需要临床医生进行大量的脑电图的判读，费时费力，且由于专家临床经验的差异给检测定位结果的准确性带来了量化的困难，评估结果稳定性欠佳。所以，如何有效且精准地检测定位癫痫致痫区，是目前临床研究中的一个热点。

现有技术的癫痫检测装置中基本很少能可靠精准地检测定位癫痫致痫区，因此，现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种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，旨在解决现有技术的癫痫检测装置中基本很少能可靠精准地检测定位癫痫致痫区的问题。

本发明解决问题所采用的技术方案如下：

第一方面，本发明实施例提供一种基于深度学习和电生理信号的癫痫病灶区定位系统，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。

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，其中，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。