The invention relates to an automatic localization of epileptic brain lesions in the device and the system, the device comprises a computer instruction memory, processor and stored in the memory and run on the processor, perform the following processing of the computer instructions running on the processor when the user receives the speech signal acquisition method according to the set, and at the same time in the EEG signal; the sample user location for epileptic brain lesions are known; speech signal and EEG based on samples from the user's voice EEG fusion feature set; according to the fusion feature set training deep learning model, using the trained deep learning of epileptic brain lesions to test the user model of automatic positioning.
【技术实现步骤摘要】
一种癫痫脑部病灶区自动定位装置及系统
本专利技术涉及一种癫痫脑部病灶区自动定位装置及系统。
技术介绍
癫痫是一种严重危害人类健康的常见脑部疾病,它极大地危害着人们的健康,严重时可导致人死亡。因此,癫痫病灶的精确定位对癫痫手术的成功具有举足轻重的意义,成为当前的研究热点。切除病灶作为控制癫痫病发作以及根治癫痫的有效措施,该手术成功的关键是术前癫痫病灶精确定位。脑电信号(EEG)包含了大量的生理与疾病信息,是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。分析癫痫患者与健康人的脑电信号,可以更深入的认识癫痫疾病,并获得大量疾病信息。癫痫的神经外科手术所面临的一大难题是如何在切除病灶的同时不破坏正常脑功能区。由于语言功能区在大脑皮层中分布复杂,个体差异大,在手术规划时确定关键语言功能区显得尤为重要。在临床神经外科手术方案的制定中,医生需要考虑2个重要的因素,一方面要保证通过脑外科手术将癫痫病灶彻底切除,另一方面也要确保病人正常脑功能不受损伤。因此,癫痫外科术前的病灶区和语言功能区的精确定位就成为临床的关键技术性问题。癫痫病灶区定位中的脑电信号特征提取一直是一个困难的研究课题,不但在于其信号的非平稳性,还在于其信号波形的多样性。传统的癫痫脑电信号的特征提取方式,是基于癫痫脑电的时频分析,通过设计识别算法自动提取出与癫痫脑电相关的众多特征。但是,识别算法在对特征提取的过程中往往需要人为设计,提取的初始特征在表征癫痫脑电与正常脑电差异方面存在冗余或者不相关,因此,识别精度并不是很高。同时,传统手术依赖脑解剖形态学识别脑功能区,但是该方法受到病患个体化差异、解剖结构 ...
【技术保护点】
一种癫痫脑部病灶区自动定位装置,其特征在于,包括:存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令在处理器上运行时执行以下处理:接收样本用户按照设定方法获取的语音信号,以及相同时间段内的脑电信号;其中,样本用户的癫痫脑部病灶区位置为已知;基于所得到的语音信号和脑电信号,提取样本用户的语音‑脑电融合特征集合;根据所述融合特征集合训练深度学习模型,采用训练完成的深度学习模型对测试用户进行癫痫脑部病灶区的自动定位。
【技术特征摘要】
1.一种癫痫脑部病灶区自动定位装置,其特征在于,包括:存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令在处理器上运行时执行以下处理:接收样本用户按照设定方法获取的语音信号,以及相同时间段内的脑电信号;其中,样本用户的癫痫脑部病灶区位置为已知;基于所得到的语音信号和脑电信号,提取样本用户的语音-脑电融合特征集合;根据所述融合特征集合训练深度学习模型,采用训练完成的深度学习模型对测试用户进行癫痫脑部病灶区的自动定位。2.根据权利要求1所述的装置,其特征在于,所述设定方法包括:向样本用户下发指示信息,指示信息包括多个单音节字符,每个单音节字符持续时间M秒,两两单音节字符的间隔时间任意设置,每个单音节重复次数任意设置;样本用户重复所述指示信息,发出语音信号。3.根据权利要求2所述的装置,其特征在于,还包括对所述语音信号进行希尔伯特变换,得到语音响应包络,去除持续时间超过单音节字符持续时间N秒的语音响应包络,基于所得到的语音响应包络提取样本用户的语音-脑电融合特征集合。4.根据权利要求1所述的装置,其特征在于,还包括对所述脑电信号进行小波变换,得到脑电节律信息,基于所得到的脑电节律信息提取样本用户的语音-脑电融合特征集合。5.根据权利要求4所述的装置,其特征在于,采用Daubechies正交小波基对所述脑电信号进行小波变换,对脑电信号进行多尺度分解,提取脑电节律信息。6.根据权利要求1所述的装置,其特征在于,基于所得到的语音信号、脑电信号,提取样本用户的语音-脑电融合特征...
【专利技术属性】
技术研发人员:耿蕾蕾,孟宪静,张春云,聂秀山,尹义龙,
申请(专利权)人:山东财经大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。