[发明专利]基于量子理论的癫痫病灶源识别方法、装置、设备及介质在审

专利信息
申请号: 202310252542.7 申请日: 2023-03-15
公开(公告)号: CN116458842A 公开(公告)日: 2023-07-21
发明(设计)人: 吴静;杨梓悦;王郑 申请(专利权)人: 北京航空航天大学
主分类号: A61B5/00 分类号: A61B5/00;A61B5/372;G06N10/60;G06F17/18
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 徐章伟
地址: 100191*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 量子 理论 癫痫 病灶 识别 方法 装置 设备 介质
【权利要求书】:

1.一种基于量子理论的癫痫病灶源识别方法,其特征在于,包括以下步骤:

基于多个电极采集的癫痫患者的脑电信号数据,估算各个电极测得的所述脑电信号数据的拉格朗日量,并对所述多个电极进行划区和合并,确定多个电极区域;

确定所述多个电极区域的几何中心和任意两个电极区域的几何中心的间距,并且从所述几何中心出发,得到多条路径的拉格朗日量的积分值,以确定所述积分值的最小值及对应的路径,以及

基于所述积分值的最小值及对应的路径,计算首尾两个区域内所有电极测得的脑电信号的同步系数的平均值,并将所述平均值大的区域作为癫痫病灶源区,以其为首端的路径即为癫痫脑电波传播路径。

2.根据权利要求1所述的方法,其特征在于,在估算所述各个电极测得的所述脑电信号数据的所述拉格朗日量之前,还包括:

去除所述多个电极采集的癫痫患者的脑电信号数据中的工频干扰以及基线漂移。

3.根据权利要求1所述的方法,其特征在于,所述基于所述多个电极采集的所述癫痫患者的脑电信号数据,估算各个电极测得的所述脑电信号数据的拉格朗日量,包括:

基于所述脑电信号数据的平方值与所述脑电信号数据对时间的积分估算所述拉格朗日量。

4.根据权利要求1所述的方法,其特征在于,所述确定所述多个电极区域的几何中心和任意两个电极区域的几何中心的间距,并且从所述几何中心出发,得到多条路径的拉格朗日量的积分值,以确定所述积分值的最小值及对应的路径,包括:

确定所述所有电极区域的几何中心,以及任意两个所述电极区域几何中心的间距;

任选一个所述几何中心作为起点,确定一条符合预设条件的路径,计算所述路径上相邻两点间所述拉格朗日量的积分,并计算整条所述路径的所述拉格朗日量的积分值;

获取每个所述几何中心对应的所述路径的拉格朗日量的积分值,并获取所述拉格朗日量积分值的最小值以及所述最小值对应的至少一条目标路径。

5.根据权利要求4所述的方法,其特征在于,所述基于所述积分值的最小值及对应的路径,计算首尾两个区域内所有电极测得的脑电信号的同步系数的平均值,并将所述平均值大的区域作为癫痫病灶源区,以其为首端的路径即为所述癫痫脑电波传播路径,包括:

计算所述至少一条目标路径首尾区域内所述所有电极测得的所述脑电信号数据的所述平均同步系数;

将以所述平均同步系数的平均值最大的区域为首端的所述目标路径作为所述脑电波传播路径;

基于所述传播路径所经过的脑功能区域判断所述癫痫病灶源。

6.一种基于量子理论的癫痫病灶源识别装置,其特征在于,包括:

估算模块,用于基于多个电极采集的癫痫患者的脑电信号数据,估算各个电极测得的所述脑电信号数据的拉格朗日量,并对所述多个电极进行划区和合并,确定多个电极区域;

积分模块,用于确定所述多个电极区域的几何中心和任意两个电极区域的几何中心的间距,并且从所述几何中心出发,得到多条路径的拉格朗日量的积分值,以确定所述积分值的最小值及对应的路径;

识别模块,用于基于所述积分值的最小值及对应的路径,计算首尾两个区域内所有电极测得的脑电信号的同步系数的平均值,并将所述平均值大的区域作为癫痫病灶源区,以其为首端的路径即为癫痫脑电波传播路径。

7.根据权利要求6所述的装置,其特征在于,还包括:

预处理模块,用于在估算所述各个电极测得的所述脑电信号数据的所述拉格朗日量之前去除所述多个电极采集的癫痫患者的脑电信号数据中的工频干扰以及基线漂移。

8.根据权利要求6所述的装置,其特征在于,所述估算模块具体用于,

基于所述脑电信号数据的平方值与所述脑电信号数据对时间的积分估算所述拉格朗日量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310252542.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top