基于模糊聚类优化高斯混合模型的高频振荡节律检测方法技术

本发明专利技术提供了基于模糊聚类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，并采用模糊c‐均值聚类算法得到期望最大化高斯混合模型聚类算法的初始化参数；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。本发明专利技术的有益效果：提高癫痫脑电信号的高频振荡节律的检测速度，帮助医生进行癫痫诊断和致痫灶切除。

High Frequency Oscillation Rhythm Detection Method Based on Fuzzy Clustering Optimized Gauss Mixture Model

The present invention provides a method of detecting high frequency oscillation rhythm based on fuzzy clustering optimization Gauss mixture model. The method of clustering analysis is used to detect high frequency oscillation rhythm. Fuzzy entropy, short-term energy, power ratio and spectral centroid are selected as the characteristics of epileptic EEG signals, and the eigenvectors are used as the input of clustering algorithm. In this paper, the expected maximum Gauss mixture model clustering algorithm is used to classify the eigenvectors, and the initial parameters of the expected maximum Gauss mixture model clustering algorithm are obtained by using the fuzzy c-means clustering algorithm. The median and quartile distance are selected to analyze the statistical characteristics of each class, and the high frequency oscillation rhythm is detected. The invention has the beneficial effect of improving the detection speed of high frequency oscillation rhythm of epileptic EEG signal and helping doctors to diagnose epilepsy and resect epileptogenic foci.

【技术实现步骤摘要】
基于模糊聚类优化高斯混合模型的高频振荡节律检测方法
本专利技术涉及癫痫脑电信号处理领域，尤其涉及基于模糊聚类优化高斯混合模型的高频振荡节律检测方法。
技术介绍
癫痫是一种常见的神经系统疾病，患病率大约占世界人口的1％。目前我国有900万以上的癫痫患者，该数目仍在以每年65万-70万的速度增长。大部分癫痫患者通过抗癫痫药物进行治疗。自上个世纪初发现苯巴比妥能治疗癫痫以后，不断有抗癫痫药物如苯妥英、乙琥胺、卡马西平、丙戊酸等问世，它们能使70％癫痫病人的发作获得控制，其中大部分病人经过常规药物治疗后可终生不再发病。但仍有30％的病患被确认为难治性癫痫，需要采取外科治疗等方法的干预。上个世纪80年代后，陆续研制了不少抗癫痫新药如托吡酯、拉莫三嗪、胺已烯酸、加巴喷丁、奥卡西平等，使30％左右的难治性癫痫患者也看到了曙光。在影像学、电生理学等发展基础上，外科治疗的进步使难治性癫痫获得更多控制发作的机会。难治性癫痫是指经过常规的、系统的抗癫痫药物治疗，其血液内抗癫痫药物浓度保持在有效的范围内，但仍不能控制病人的癫痫发作，并严重影响病人的工作、学习或正常生活者；其发作频率在每月2-4次以上，病程在本文档来自技高网...

【技术保护点】
1.基于模糊聚类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，得到聚类结果；分类过程中，采用模糊c‐均值聚类算法对所述期望最大化高斯混合模型聚类算法的参数进行初始化；初始化的具体步骤为：S201：随机产生初始聚类中心vc，c＝1,2,…,C，C是聚类数目；S202：根据聚类中心vc，计算第i个特征向量属于第c类的隶属度值μic：

【技术特征摘要】
1.基于模糊聚类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，得到聚类结果；分类过程中，采用模糊c‐均值聚类算法对所述期望最大化高斯混合模型聚类算法的参数进行初始化；初始化的具体步骤为：S201：随机产生初始聚类中心vc，c＝1,2,…,C，C是聚类数目；S202：根据聚类中心vc，计算第i个特征向量属于第c类的隶属度值μic：其中，μic满足条件：C是聚类数目，p是加权模糊参数，Vi是所述D维特征向量，且由提取的所述模糊熵、所述短时能量、所述功率比和所述频谱质心构成；S203：根据公式(1)更新聚类中心vc：其中，Vi是所述D维特征向量，由所述模糊熵、所述短时能量、所述功率比和所述频谱质心构成，Nfl是所述D维特征向量Vi的长度，μic是第i个特征向量属于第c类的隶属度值；S204：当满足max1≤c≤C‖vc,new-vc,old‖＜ε时，所述模糊c‐均值聚类算法结束；其中，vc,new是更新后的聚类中心，vc,old是更新前的聚类中心，ε是设定的精度误差；根据所述模糊c-均值聚类算法，通过公式(2)、公式(3)和公式(4)分别得到所述基于期望最大化高斯混合模型的聚类算法的初始化参数：权重Wc、聚类中心uc和协方差矩阵Σc：uc＝vc(3)其中，Nc是第c类特征向量的数目之和，是属于第c类的特征向量构成的矩阵；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。2.如权利要求1所述的基于模糊聚类优化高斯混合模型的高频振荡节律检测方法，其特征在于：步骤S101中，所述模糊熵的具体计算步骤如下：S301：获取癫痫脑电信号时间序列X＝[x(1),x(2),...,x(N)]；S302：将所述癫痫脑电信号时间序列按顺序构造m维向量其中，i＝1,2,...,N-m+1，m为正整数，且m≥1，I是元素全为1的m维行向量，S303：计算出向量与之间的距离其中，i,j∈1,2,...,N-m+1，j≠i，k＝0,1,…,m-1；S304：根据所述距离采用模糊隶属度函数计算所述与所述之间的相似度其中，为与之间的相似度，r为相似容忍度；S305：根据相似度得到函数其中，为与之间的相似度，N为所述癫痫脑电信号时间序列的长度，m为所述向量...

【专利技术属性】
技术研发人员：吴敏，万雄波，方泽林，万婷，杜玉晓，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42