一种癫痫脑磁图棘波自动检测方法与溯源定位系统技术方案

本发明专利技术公开了一种癫痫脑磁图棘波自动检测方法与溯源定位系统。本方法为：1）对各样本脑磁图数据进行分割，得到多个脑磁图数据片段；其中每个脑磁图数据片段为一大小为M*N的二维矩阵形式的数据集；2）利用脑磁图数据片段训练脑磁图多视图棘波检测模型；3）对待处理的脑磁图信号进行伪迹去除操作，然后对脑磁图数据进行分割得到多个脑磁图数据片段；4）将所得脑磁图数据片段分别输入到训练后的脑磁图多视图棘波检测模型中，得到对应脑磁图数据片段的棘波分类结果；5）根据所得棘波分类结果确定该待处理的脑磁图信号是否存在棘波。本发明专利技术简化了医生的工作流程，能够有效辅助医生对癫痫病患进行术前评估。

An automatic detection method and traceability system of spike wave in epileptic magnetoencephalogram

【技术实现步骤摘要】
一种癫痫脑磁图棘波自动检测方法与溯源定位系统
本专利技术属于生物特征识别领域中的脑磁图信号识别领域，具体为一种基于深度学习的癫痫脑磁图多视图棘波检测方法与溯源定位系统。
技术介绍
作为最常见的神经性脑疾病之一，由反复发作引起的癫痫影响全球约1%的人口，几乎30%至40%的患者对药物无反应，这对他们的生理、心理和社会健康造成显著的负面影响。外科手术是治疗耐药癫痫患者的有效方法，其关键在于确定产生癫痫的大脑区域（致痫区）。癫痫棘波是一种被广泛接受的典型生物标记物，用于识别癫痫的发生区。因此棘波分析可用于癫痫患者的术前评估。脑磁图（Magnetoencephalography，MEG）是一种无创检测癫痫发作间期放电的有力技术。现代的MEG系统，如ElektaNeuromag，有超过300个传感器通道覆盖整个大脑，对于定位癫痫放电具有很高的空间分辨率。与传统的头皮脑电图相比，脑磁记录对复杂的脑组织分层造成的信号失真具有免疫力，因此脑磁信号具有更高的信噪比，可从背景活动中更清楚地区分尖锐的脑磁峰值。然而，最常见的棘波检测临床实践是由经验丰富的神经本文档来自技高网...

【技术保护点】
1.一种癫痫脑磁图棘波自动检测方法，其步骤包括：/n1）对各样本脑磁图数据进行分割，得到多个脑磁图数据片段；其中每个脑磁图数据片段为一大小为M*N的二维矩阵形式的数据集，M为该脑磁图数据片段的通道数；N为该脑磁图数据片段的通道时间长度或时间片数；/n2）利用步骤1）得到的脑磁图数据片段训练脑磁图多视图棘波检测模型；其中所述脑磁图多视图棘波检测模型包括模块一、模块二、模块三和分类输出模块；其中，模块一包括一维深度卷积神经网络，用于对脑磁图数据片段中的一单通道进行表示学习，得到对应通道的特征数据，即该脑磁图数据片段的局部特征数据；模块二为具有非共享和共享的权重二维深卷积神经网络，用于对输入的脑磁图...

【技术特征摘要】
1.一种癫痫脑磁图棘波自动检测方法，其步骤包括：
1）对各样本脑磁图数据进行分割，得到多个脑磁图数据片段；其中每个脑磁图数据片段为一大小为M*N的二维矩阵形式的数据集，M为该脑磁图数据片段的通道数；N为该脑磁图数据片段的通道时间长度或时间片数；
2）利用步骤1）得到的脑磁图数据片段训练脑磁图多视图棘波检测模型；其中所述脑磁图多视图棘波检测模型包括模块一、模块二、模块三和分类输出模块；其中，模块一包括一维深度卷积神经网络，用于对脑磁图数据片段中的一单通道进行表示学习，得到对应通道的特征数据，即该脑磁图数据片段的局部特征数据；模块二为具有非共享和共享的权重二维深卷积神经网络，用于对输入的脑磁图数据片段进行多通道表示学习和加权特征组合，得到该脑磁图数据片段的全局特征数据；模块三用于将模块一和模块二所提取的特征进行特征融合；分类输出模块，用于根据融合的特征数据计算输出该脑磁图数据片段的棘波分类结果；
3）对待处理的脑磁图信号进行伪迹去除操作，然后对脑磁图数据进行分割得到多个脑磁图数据片段；
4）将步骤3）所得脑磁图数据片段分别输入到训练后的脑磁图多视图棘波检测模型中，得到对应脑磁图数据片段的棘波分类结果；
5）根据步骤4）所得棘波分类结果确定该待处理的脑磁图信号是否存在棘波。


2.如权利要求1所述的方法，其特征在于，所述模块一包括输入数据处理模块，用于从输入的脑磁图数据片段中获取一单通道数据，每一单通道数据依次经所述模块一的第一卷积层、第二卷积层、第一最大池化层、第三卷积层、第四卷积层、第二最大池化层、第五卷积层、第六卷积层、全局最大池化层和全连接层处理后输出；其中，第一卷积层、第二卷积层中分别包含K个滤波器，所述滤波器的卷积核大小为（1*j）；第一最大池化层、第二最大池化层均为大小为2的池化层；第三卷积层、第四卷积层中分别包含L个滤波器，其中滤波器的卷积核大小为（1*i）；第五卷积层、第六卷积层中分别包含P个滤波器，其中滤波器的卷积核大小为（1*h）；所述模块二依次包括一非共享权重二维卷积层、共享权重二维卷积层；其中非共享权重二维卷积层包括K’个卷积核大小i’*j’的滤波器，共享权重二维卷积层包括L’个卷积核大小1*1的滤波器；其中，0小于K’，0小于j’小于N，0小于i’=M，0小于L’，N大于100，K大于0，L大于0，P大于0，且P=L’；j大于0，（N-2j+2）大于0，i大于0，h大于0，（N/2-j-2i+3）大于0，k大于0，（N/4-j/2-i-2k+3.5）大于0。


3.如权利要求1所述的方法，其特征在于，根据脑磁图数据片段的棘波分类结果，利用峰值检测算法自动标记出该脑磁图数据片段中棘波信号的出现时刻，然后对该棘波信号出现时刻的全通道信号数据进行溯源，定位出癫痫病灶区域。


4.如权利要求1所述的方法，其特征在于，步骤2）之后，对训练数据进行检测，得到检测结果为假阳性的训练数据，将所得检测结果为假阳性的训练数据和检测结果为真阳性的训练数据按照1:1的比例重新放入步骤2）训练后的已加载参数权重的棘波检测模型中再次进行训练棘波检测模型。


5.如权利要求1所述的方法，其特征在于，采取了300ms的时间间隔对脑磁图数据进行分割，即每个脑磁图数据片段的时间长度为300ms，然后将脑磁图数据按脑区划分，每个脑区占...

【专利技术属性】
技术研发人员：廖攀，许博岩，
申请(专利权)人：南京慧脑云计算有限公司，
类型：发明
国别省市：江苏;32