[发明专利]基于量化误差优化高斯混合模型的高频振荡节律检测方法

摘要

本发明提供了基于量化误差优化高斯混合模型的高频振荡节律检测方法，基于聚类分析的方法对高频振荡节律进行检测，选取模糊熵、短时能量、功率比和频谱质心为癫痫脑电信号的特征，将其构成特征向量作为聚类算法的输入，采用期望最大化高斯混合模型聚类算法对该特征向量进行分类，建立一种量化误差模型，优化聚类数目，提高癫痫脑电信号的高频振荡节律的检测精度，选取中位数和四分位距分析每类的统计学特征，检测出高频振荡节律。一种高频振荡节律检测设备及存储设备，实现了高频振荡节律检测方法。本发明的有益效果：提高癫痫脑电信号的高频振荡节律的检测精度，帮助医生进行癫痫诊断和致痫灶切除。

主权项

1.基于量化误差优化高斯混合模型的高频振荡节律检测方法，其特征在于：包括以下步骤：S101：获取癫痫脑电信号的四个特征：模糊熵、短时能量、功率比和频谱质心构成一个特征向量，在不同时刻得到多组所述四个特征，构成多个特征向量；S102：采用期望最大化高斯混合模型聚类算法对所述多个特征向量进行分类；在分类过程中，包括建立量化误差模型对所述期望最大化高斯混合模型聚类算法的聚类数目C进行优化，得到最优的聚类数目C*；最后根据最优的聚类数目C*得到聚类结果；所述聚类数目C的优化过程为：根据量化误差J_C：D是所述D维特征向量V_i的维数，建立量化误差模型：其中，a是模型参数，Const是一个常量；根据所述量化误差模型，得到对数线性模型：其中，根据对数线性回归的系数，计算模型参数a和模型参数b：即所述模型参数a和所述模型参数b满足公式取值最小，此时得到所述模型参数a和所述模型参数b；得到模型参数a为：其中，C是聚类数目，M＝C_max‑1，C_max是聚类数目的最大值；通过公式得到量化误差模型的一个常量Const；基于常量Const，构造参数化成本函数PCF：PCF(C)＝J_C·C^2/a；所述参数化成本函数PCF最小时，得到最优的聚类数目C*：C*＝argmin{PCF(C)}；S103：根据所述期望最大化高斯混合模型聚类算得到的聚类结果，采用箱形图的方法对不同类别特征进行统计学分析，检测出癫痫脑电信号的高频振荡节律。