[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

说明书

本申请涉及一种基于量子理论的癫痫病灶源识别方法、装置、设备及介质，其中，方法包括：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脑电信号数据的拉格朗日量，并对多个电极进行划区和合并，确定多个电极区域；确定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，以确定积分值的最小值及对应的路径；基于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，以确定癫痫病灶源区和癫痫脑电波传播路径。由此，解决了传统EEG信号分析方法均未考虑神经元的量子特性，难以准确判断癫痫病灶源的位置等问题。

技术领域

本申请涉及信号处理技术领域，特别涉及一种基于量子理论的癫痫病灶源识别方法、装置、设备及介质。

背景技术

癫痫作为一种常见的神经系统疾病，通常为脑部神经元突发性异常放电引起，身患癫痫疾病的患者在发病时会意识模糊，身体抽搐，并因为不能控制自己的行动有时会给自己的身体带来意外的伤害。无预兆的癫痫发病给患者及其家人的日常生活带来了极大影响。脑电图(Electroencephalogram，EEG)作为癫痫检测和诊断的重要工具，但如何从癫痫发作时的微弱脑电信号中提取反应癫痫病灶源的特征信息，是目前亟需解决或优化的技术问题之一。

现有的癫痫EEG信号分析方法主要包括：

(1)时域处理方法，对EEG信号的时域特征，例如波形周期、波形突变、波形峰值等进行分析，但该方法无法展现其频域特征；

(2)频域处理方法，该方法主要利用傅里叶变换、小波变换等对EEG信号的频域特征，如幅频响应、相频响应、时频功率谱等进行分析，但方法无法同时精确的分析其时间和频率特征；

(3)非线性处理方法，癫痫EEG信号中除非平稳性特征外，还具有无周期预测性和无叠加性的非线性特征，上述特征可以通过非线性动力学、多模态分析、肉眼观察等来检测，相对于时域或频域处理方法，该方法虽能够发现EEG信号中存在的非线性特征，但处理过程复杂，受干扰严重，易出现误判；

(4)临床经验判断方法，由临床医生依据个人经验对EEG信号给出主观判断，难以保证判断精度的可靠性。

此外，由于大脑神经系统由大量神经元构成，神经元的大小为微米量级，属于介观尺度范围，在此尺度范围下，存在神经元的量子纠缠、叠加等特性对其生理特性及信息传递机制的影响。

然而，目前EEG信号的主流分析方法均未考虑神经元的量子特性，难以准确判断癫痫病灶源的位置，亟待解决。

发明内容

本申请提供一种基于量子理论的癫痫病灶源识别方法、装置、设备及介质，以解决传统EEG信号分析方法均未考虑神经元的量子特性，难以准确判断癫痫病灶源的位置等问题。

本申请第一方面实施例提供一种基于量子理论的癫痫病灶源识别方法，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。

可选地，在本申请的一个实施例中，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。

可选地，在本申请的一个实施例中，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。