基于多数据采集的癫痫发作检测设备及预警系统技术方案

本发明专利技术提供一种基于多数据采集的癫痫发作检测设备及预警系统，检测设备包括存储器和处理器，处理器执行存储器内的计算机程序以实现以下步骤：获取经发病阶段划分后的多组生理信号，形成多组信号样本，每组生理信号均包括多通道脑电信号、多通道皮肤电信号以及加速度信号；对获取的多组信号样本逐一进行预处理；提取预处理后的每组信号样本的特征参数；以提取的多个特征参数作为特征向量，以每组特征参数对应的发病阶段为期望输出，训练随机森林分类器内的多个决策树，形成随机森林模型；获取待分析的生理信号，经预处理和特征提取后获得待特征参数并将其输入至随机森林模型内，经随机森林模型预测后获得待分析的生理信号所处的发病阶段。

Epilepsy seizure detection equipment and early warning system based on multi-data acquisition

The invention provides a seizure detection device and an early warning system based on multi-data acquisition. The detection device includes a memory and a processor. The processor executes a computer program in the memory to achieve the following steps: acquiring a plurality of physiological signals divided by the onset stage, forming a plurality of signal samples, each group of physiological signals includes a plurality of channels of EEG signals and a plurality of channels of skin electricity. Signal and acceleration signal; Preprocess the acquired multi-group signal samples one by one; Extract the characteristic parameters of each group of signal samples after pretreatment; Take the extracted multi-feature parameters as feature vectors, and train multiple decision trees in the random forest classifier to form the random forest model with the expected output of the disease stage corresponding to each group of feature parameters; Obtain the random forest model to be analyzed. Physiological signals are pre-processed and extracted, then the parameters to be analyzed are input into the Stochastic Forest model, and the disease stage of the physiological signals to be analyzed is predicted by the Stochastic Forest model.

【技术实现步骤摘要】
基于多数据采集的癫痫发作检测设备及预警系统
本专利技术涉及计算机领域，且特别涉及一种基于多数据采集的癫痫发作检测设备及预警系统。
技术介绍
癫痫是由大脑神经元突发性异常放电而导致大脑出现短暂的功能障碍的一种慢性疾病，俗称羊角风和羊癫疯。目前，根据世界卫生组织(WHO)调查显示：全球约5亿人患有癫痫疾病。在中国，癫痫已经成为神经科仅次于头痛的第二大常见病。因为发作部位和发作诱因多种多样，癫痫发作的临床表现也复杂多样，癫痫患者可能随时随地因为某种不确定的诱因发病，如果无法及时采取相应的救治手段，患者很可能出现车祸、烧伤、煤气中毒等意外，使患者的生活受到极大的影响，也给自己和家人带来身体和心理上的伤害。目前，脑电波(EEG)仍是临床上研究癫痫发作特征、诊断癫痫疾病的主要工具，在现阶段，通常是由经验丰富的医生依靠人眼去分析患者的脑电信号，人工寻找癫痫发作点。但患者的脑电信号数据庞大，同时易受主观因素的干扰，人工诊断误判率高。因此，亟需一种能根据脑电信号自动检测癫痫发作并进行预警的设备，从而减轻医疗工作者的工作量并避免主观因素干扰，并让患者家属提前得到预警，做好准备，减少患者发作时的痛苦，这在医学应用中具有重大意义。目前对脑电信号的分析方法有多种，但大多单一的生理信号进行研究，由于癫痫发作区域不确定，脑电癫痫发作时不同的生理信号特征表现也不同，故以单一的生理信号为基础的分析方法识别效果不太理想。进一步的，现有的分析方法仅单一的根据时域或者频域上的特征参数进行分析，很难完整准确的提取出脑电数据中蕴含的发作信息，识别效果不太理想。此外，在目前的癫痫发作检测与预警研究中，大多使用SVM、人工神经网络等分类器进行特征参数的训练识别，但SVM分类器难以处理大规模的训练样本，将耗费大量的机器内存和运算时间，神经网络分类算法学习速度慢，容易出现过拟合现象。
技术实现思路
本专利技术为了克服现有的癫痫发作检测及预警系统癫痫发作状态识别效果差的问题，提供一种识别准确率高的基于多数据采集的癫痫发作检测设备及预警系统。为了实现上述目的，本专利技术提供一种基于多数据采集的癫痫发作检测设备，其特征在于，包括存储器和处理器，存储器内存储有计算机程序，处理器执行计算机程序以实现以下步骤：获取经发病阶段划分后的多组生理信号，形成多组信号样本，每组生理信号均包括多通道脑电信号、多通道皮肤电信号以及加速度信号；对获取的多组信号样本逐一进行预处理；提取预处理后的每个信号样本的特征参数；以提取的多个特征参数作为特征向量，以每组特征参数对应的发病阶段为期望输出，训练随机森林分类器内的多个决策树，形成随机森林模型；获取待分析的生理信号，经预处理和特征提取后获得待分析的生理信号的特征参数并将其输入至随机森林模型内，经随机森林模型预测后获得待分析的生理信号所处的发病阶段。根据本专利技术的一实施例，在预处理后分别从时域上将信号样本或待分析的生理信号分割成多个具有一定时长的片段，分别对每个片段进行特征提取。根据本专利技术的一实施例，在特征提取时，提取多通道脑电信号片段的时域特征参数和频域特征参数，多通道皮肤电信号片段的时域特征参数和频域特征参数以及加速度信号片段的位移加速度参数和角度加速度参数。根据本专利技术的一实施例，在提取多通道脑电信号片段的频域特征参数或多通道皮肤电信号片段的频域特征参数时，将每个片段分割成2秒且有1秒重叠的小片段，提取每个小片段上的频域特征参数。根据本专利技术的一实施例，时域特征参数包括时域内各通道之间的相关系数及其特征值，频域特征参数包括频域内各通道之间的相关系数及其特征值。根据本专利技术的一实施例，对每个信号样本或待分析的生理信号进行预处理的步骤包括多通道脑电信号的眼电伪迹的去除，具体步骤为：将原始多通道脑电信号S进行标准化处理得到信号SC；然后使用“db6”小波函数对信号SC进行七层小波变换，并将分解后得到的小波系数串联起来，得到一个小波系数向量矩阵X；求向量矩阵X的转置，得到转置矩阵Y；对向量矩阵X和转置矩阵Y进行典型相关性分析，计算基向量矩阵Wx和Wy，求得典型成分分析后的典型变量，利用相关系数识别眼电伪迹成分，利用典型相关性分析逆变换将去除眼电伪迹后的各典型向量进行投影变换，再进行小波变换的逆变换，得到去除眼电伪迹后的生理信号。根据本专利技术的一实施例，对每个信号样本或待分析的生理信号进行预处理的步骤包括分别去除多通道脑电信号、多通道皮肤电信号以及加速度信号内频率低于0.5赫兹和频率高于50赫兹的信号。根据本专利技术的一实施例，在获取生理信号时，脑电信号采集装置获取多通道脑电信号，智能手环上的皮肤电感应器和加速度感应器分别获取多通道皮肤电信号和加速度信号。根据本专利技术的一实施例，脑电信号采集装置获取的多通道脑电信号输出至存储器的同时保存至本地的SD卡内。相对应的，本专利技术还提供一种基于多数据采集的癫痫发作预警系统其包括上述基于多数据采集的癫痫发作检测设备和输出设备。输出设备接收基于多数据采集的癫痫发作检测设备所获得的检测结果和预警结果并将两者发送至患者家属或医生的智能终端。综上，本专利技术提供的基于多数据采集的癫痫发作检测设备及预警系统进行预测癫痫发作时在脑电信号的基础上结合了人体加速度和多通道皮肤电信号，全方面采集癫痫发作时的特征，将多模生理信号融合分析识别，提高泛化能力，使得检测准确率提高，预警效果更好，多模信号采集可很好的克服因癫痫发作区域不确定所引起的识别不准确的问题。而在生理信号检测时，脑电信号和皮肤电信号均为多通道信号，多通道信号分析检测可更加全面完整的提取癫痫发作前期、发作期以及发作后期的特征，进一步提高识别效果。为让本专利技术的上述和其它目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。附图说明图1所示为本专利技术一实施例提供的基于多数据采集的癫痫发作检测设备的原理框图。图2所示为本专利技术一实施例提供的基于多数据采集的癫痫发作检测设备中处理器执行计算机程序所能实现的步骤流程图。图3所示为图2中训练随机森林模型的流程图。图4所示为本专利技术一实施例提供的基于多数据采集的癫痫发作检测系统的原理框图。具体实施方式脑电信号是临床上研究癫痫发作特征、诊断癫痫疾病的主要依据，然而由于癫痫发作区域不稳定，仅根据脑电信号这一单一的生理信号很难准确的对癫痫发作进行检测。故有鉴于此，本实施例提供一种基于多数据采集的识别准确性高的癫痫发作检测设备及预警系统。如图1和图2所示，本实施例提供的基于多数据采集的癫痫发作检测设备100包括存储器10和处理器20。存储器10内存储有计算机程序，处理器20执行计算机程序以实现以下步骤：获取经发病阶段划分后的多个生理信号，形成多组信号样本(步骤S10)，每组生理信号均包括多通道脑电信号、多通道皮肤电信号以及加速度信号。对获取的多组信号样本逐一进行预处理(步骤S20)。提取预处理后的每组信号样本的特征参数(步骤S40)。以提取的多个特征参数作为特征向量，以每组特征参数所对应的发病阶段为期望为输出，训练随机森林分类器内的多个决策树，形成随机森林模型(步骤S50)。获取待分析的生理信号，经预处理和特征提取后获得待分析的生理信号的特征参数并将其输入至随机森林模型内，经随机森林模型预测后获得待分析的生理信号所处的发病阶段(步骤S6本文档来自技高网...

【技术保护点】
1.一种基于多数据采集的癫痫发作检测设备，其特征在于，包括存储器和处理器，所述存储器内存储有计算机程序，所述处理器执行所述计算机程序以实现以下步骤：获取经发病阶段划分后的多组生理信号，形成多个信号样本，每组生理信号均包括多通道脑电信号、多通道皮肤电信号以及加速度信号；对获取的多组信号样本逐一进行预处理；提取预处理后的每组信号样本的特征参数；以提取的多个特征参数作为特征向量，以每组特征参数对应的发病阶段为期望输出，训练随机森林分类器内的多个决策树，形成随机森林模型；获取待分析的生理信号，经预处理和特征提取后获得待分析的生理信号的特征参数并将其输入至随机森林模型内，经随机森林模型预测后获得待分析的生理信号所处的发病阶段。

【技术特征摘要】
1.一种基于多数据采集的癫痫发作检测设备，其特征在于，包括存储器和处理器，所述存储器内存储有计算机程序，所述处理器执行所述计算机程序以实现以下步骤：获取经发病阶段划分后的多组生理信号，形成多个信号样本，每组生理信号均包括多通道脑电信号、多通道皮肤电信号以及加速度信号；对获取的多组信号样本逐一进行预处理；提取预处理后的每组信号样本的特征参数；以提取的多个特征参数作为特征向量，以每组特征参数对应的发病阶段为期望输出，训练随机森林分类器内的多个决策树，形成随机森林模型；获取待分析的生理信号，经预处理和特征提取后获得待分析的生理信号的特征参数并将其输入至随机森林模型内，经随机森林模型预测后获得待分析的生理信号所处的发病阶段。2.根据权利要求1所述的基于多数据采集的癫痫发作检测设备，其特征在于，在预处理后分别从时域上将信号样本或待分析的生理信号分割成多个具有一定时长的片段，分别对每个片段进行特征提取。3.根据权利要求2所述的基于多数据采集的癫痫发作检测设备，其特征在于，在特征提取时，提取多通道脑电信号片段的时域特征参数和频域特征参数，多通道皮肤电信号片段的时域特征参数和频域特征参数以及加速度信号片段的位移加速度参数和角度加速度参数。4.根据权利要求3所述的基于多数据采集的癫痫发作检测设备，其特征在于，在提取多通道脑电信号片段的频域特征参数或多通道皮肤电信号片段的频域特征参数时，将每个片段分割成2秒且有1秒重叠的小片段，提取每个小片段上的频域特征参数。5.根据权利要求3所述的基于多数据采集的癫痫发作检测设备，其特征在于，时域特征参数包括时域内各通道之间的相关系数及其特征值，频域特征参数包括频域内各通道之间的相关系数及...

【专利技术属性】
技术研发人员：刘俊飙，戴珅懿，吴端坡，李凯，徐伟风，蔡晨毅，
申请(专利权)人：杭州妞诺科技有限公司，
类型：发明
国别省市：浙江,33