一种术中皮质脑电信号特异性的个体化识别方法技术

本发明专利技术公开了一种术中皮质脑电信号特异性的个体化识别方法，包括以下步骤：1、采集ECS确定的个体运动区、语言区、感觉区、非功能区4点的ECoG和同一个体手术区域64/128导联的ECoG，并对其进行预处理和特征提取，得出其特征样本；2、运用ECS确定的4点的ECoG的特征样本进行模型训练与优化，训练出个性化最优识别模型；3、运用步骤2训练出的个性化最优识别模型，对同一个体手术区域64/128导联的ECoG的特征样本进行分类，得出各导联信号的属性，完成个体各大脑功能区的ECoG的特异性识别。所述方法能够快速、准确、全面地识别出不同功能状态的ECoG，为认识不同功能状态时的脑电活动提供了有力帮助。

【技术实现步骤摘要】
一种术中皮质脑电信号特异性的个体化识别方法
本专利技术涉及生物医学信号处理领域，具体涉及一种术中皮质脑电信号特异性的个体化识别方法。
技术介绍
脑电图作为一种衡量大脑神经活动强度的手段，因具有无创、费用低、方便易行等优点，被广泛应用在癫痫等多种神经系统疾病的诊断中。与此同时，脑电信号作为一种极其微弱的信号，很容易受到肌电、眼电等来自身体内部信号及工频干扰、电磁等外部信号的干扰。特别是头皮脑电信号，因其电极有颅骨和头皮相阻隔，更容易受到干扰，所以本专利技术采用的是干扰较少的开颅后采集到的皮质脑电信号。据国内外文献报道，大脑在做不同任务时其脑电信号会呈现不同的变化。基于此，我们提出了运用数字信号处理的方法来识别不同大脑功能区不同任务状态时脑电信号的特异性。由于不同个体脑电的差异性，导致皮质脑电信号(ECoG)识别模型的差异，容易出现异体检测准确率低的问题。针对于此,本专利技术设计了个体化建模测试的基于术中皮质脑电信号特异性的识别方法：运用同一个体的皮质脑电信号训练模型，建立个性化的ECoG识别模型，对同一个体自身其他区域的皮质脑电信号进行分类，旨在提高脑电识别分类的准确率，进而识别不同任本文档来自技高网...

【技术保护点】
一种术中皮质脑电信号特异性的个体化识别方法，其特征在于，所述方法包括以下步骤：步骤S1、采集ECS确定的个体运动区、语言区、感觉区、非功能区4点的ECoG和同一个体手术区域64/128导联的ECoG，并对其进行预处理和特征提取，得出其特征样本；步骤S2、运用ECS确定的4点的ECoG的特征样本进行模型训练与优化，训练出个性化最优识别模型；步骤S3、运用步骤S2训练出的个性化最优识别模型，对同一个体手术区域64/128导联的ECoG的特征样本进行分类，得出各导联信号的属性，完成个体各大脑功能区的ECoG的特异性识别。

【技术特征摘要】
1.一种术中皮质脑电信号特异性的个体化识别方法，其特征在于，所述方法包括以下步骤：步骤S1、采集ECS确定的个体运动区、语言区、感觉区、非功能区4点的ECoG和同一个体手术区域64/128导联的ECoG，并对其进行预处理和特征提取，得出其特征样本；步骤S2、运用ECS确定的4点的ECoG的特征样本进行模型训练与优化，训练出个性化最优识别模型；步骤S3、运用步骤S2训练出的个性化最优识别模型，对同一个体手术区域64/128导联的ECoG的特征样本进行分类，得出各导联信号的属性，完成个体各大脑功能区的ECoG的特异性识别。2.根据权利要求1所述的一种术中皮质脑电信号特异性的个体化识别方法，其特征在于，所述步骤S1具体包括以下步骤：步骤S1.1、分别采集ECS确定的个体运动区、语言区、感觉区、非功能区4点的ECoG和同一个体手术区域64/128导联的ECoG；步骤S1.2、对采集的ECoG进行50Hz的陷波处理，以消除工频干扰；步骤S1.3、对陷波处理后的ECoG进行去噪，去除眼电、肌电、眼动的干扰；步骤S1.4、对经过上述预处理的ECoG，选取任务时间段内的脑电样本进行小波分解并重构各子频段信号,选取低频的小波逼近信号并计算其200ms、400ms、600ms、800ms及1s不等的窗宽的能量,对比分析不同频段在任务前后的差异性，选定有差异的频段的能量作为特征量，以不同导联的特征量构成该个体的特征样本。3.根据权利要求1所述的一种术中皮质脑电信号特异性的个体化识别方法，其特征在于，所述步骤S2具体包括以下步骤：步骤S2.1、运用ECS确定的4点的ECoG的特征样本，以其中每一导联ECoG的特征样本的一半作为训练集，另一半作为测试集，根据ECS刺激出来的每一导联的功能区属性的不同，将训练集分成4类；步骤S2.2、对训练集、测试集中每一导联分别进行最小-最大规范化，训练集、测试集中一个导联A的每一个值代表特定一段特定窗宽的经过处理后的ECoG信号的能量，其中导联A中所有能量值的最大...

【专利技术属性】
技术研发人员：姜涛，刘永超，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44