一种基于多模态脑影像的儿童癫痫定位方法技术

本发明专利技术公开了一种基于多模态脑影像的儿童癫痫定位方法，涉及癫痫技术领域；它的定位方法为：在创建基于iEEG与sEEG正问题模型之前，首先需对多模态脑影像进行预处理，其次，为结合iEEG与sEEG创建其正问题模型；为明确源信号与sEEG和iEEG的关系，基于临界元方法求解传导矩阵，再基于最小范数估计方法创建结合sEEG与iEEG的正问题模型；最后，基于Tikhonov正则化方法求解逆问题，其中通过L曲线准则选取合适的正则化参数，估算出源信号后对其进行平滑与归一化处理，再通过源成像与阈值定位出癫痫灶；本发明专利技术在定位致痫灶的过程中，通过融合多模态影像，创建基于sEEG和iEEG的正问题模型，求解逆问题估算源信号，最终定位致痫灶。

Localization of epilepsy in children based on multimodal brain imaging

【技术实现步骤摘要】
一种基于多模态脑影像的儿童癫痫定位方法
本专利技术属于癫痫
，具体涉及一种基于多模态脑影像的儿童癫痫定位方法。
技术介绍
癫痫是一种大脑神经元突发性异常放电导致短暂的大脑功能障碍的慢性疾病。据中国最新流行病学资料显示，儿童癫痫发病率约为5‰，约有600万儿童癫痫患者。另外，据调查，中国约有900万左右的癫痫患者，同时每年新增加癫痫患者约40万，在中国癫痫已经成为神经科仅次于头痛的第二大常见病，且半数以上的成年癫痫源于儿童时期，癫痫明确的患病机制尚未研究透彻，病因繁杂多样，有研究表明是遗传和后天因素（脑部的创伤、中风等）的单独的作用或多重作用导致的，其中大约60%的儿童患者是无法给出明确的病因。所以，针对癫痫的治疗是有很大的挑战的，当前的治疗方法主要有药物治疗、手术切除和电刺激等。癫痫以目前的医学水平是无法完全治愈，70%的儿童癫痫患者可以通过抗癫痫的药物的治疗得到有效的控制，但是任有20-30%的儿童患者是难治性癫痫，需要手术切除有希望成为无癫痫发作的儿童。但任有部分患者切除后仍未消除癫痫，目前的研究专家一致认为是致痫灶定位不精确导致的，因此精准的定位儿童致痫灶不经可以提高手术成功率，而且可以降低术后带来的损伤。临床诊断致痫灶通常需要集中神经内科和神经外科癫痫专家，结合病人的发病临床表现，以及医学成像技术进行综合的判断，如基于sEEG与MRI定位方法空间覆盖率高但是定位精度不够、基于iEEG定位方法定位精度高但空间覆盖率小，人工致痫灶定位耗时耗力。国内外的研究现状：近些年，随着微电子工艺，计算机信息处理技术、癫痫的临床研究的发展，利用信号处理手段致痫灶定位的研究正在逐步兴起，国内外许多研究机构都在对该领域进行研究与探索，例如美国的明尼苏达大学，芝加哥大学、比利时的根特大学，中国的华南理工，中科院苏州医工所，复旦大学附属儿科医院等。接下来介绍目前较为流行的致痫灶定位方法。
技术实现思路
为解决现有的问题；本专利技术的目的在于提供一种基于多模态脑影像的儿童癫痫定位方法。本专利技术的一种基于多模态脑影像的儿童癫痫定位方法，它的定位方法为：在创建基于iEEG与sEEG正问题模型之前，首先需对多模态脑影像进行预处理，预处理包括：由于MRI与CT在不同机器采集，因此对其进行重定向与重采样使其统一规格；为去除iEEG与sEEG测量时的脑电噪声，对其进行滤波与基线校正等处理；由于成人与儿童之间的大脑结构存在差异，因此采用基于边界元方法与分布式源建模方法来创建个性的头模型与源模型；其次，为结合iEEG与sEEG创建其正问题模型，需要将sEEG、iEEG、MRI、CT相融合；基于刚体变换方法配准与融合MRI与CT、再通过手动标定MRI&CT中iEEG电极从而使iEEG与MRI&CT相融合；再通过头模型与sEEG手动进行坐标矫正，将sEEG与MRI&CT相融合，从而使多模态脑影像相互融合；然后，为明确源信号与sEEG和iEEG的关系，基于临界元方法求解传导矩阵，再基于最小范数估计方法创建结合sEEG与iEEG的正问题模型；最后，基于Tikhonov正则化方法求解逆问题，其中通过L曲线准则选取合适的正则化参数，估算出源信号后对其进行平滑与归一化处理，再通过源成像与阈值定位出癫痫灶。与现有技术相比，本专利技术的有益效果为：在定位致痫灶的过程中，通过融合多模态影像，创建基于sEEG和iEEG的正问题模型，求解逆问题估算源信号，最终定位致痫灶。附图说明为了易于说明，本专利技术由下述的具体实施及附图作以详细描述。图1为本专利技术的流程图；图2为本专利技术中预处理的流程图；图3为本专利技术中个性头模型的示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本专利技术。但是应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。在此，还需要说明的是，为了避免因不必要的细节而模糊了本专利技术，在附图中仅仅示出了与根据本专利技术的方案密切相关的结构和/或处理步骤，而省略了与本专利技术关系不大的其他细节。如图1、图2所示，本具体实施方式采用以下技术方案：它的定位方法如下：在创建基于iEEG与sEEG正问题模型之前，首先需对多模态脑影像进行预处理，预处理包括：由于MRI与CT在不同机器采集，因此对他们进行重定向与重采样使其统一规格；为去除iEEG与sEEG测量时的脑电噪声，对其进行滤波与基线校正等处理；由于成人与儿童之间的大脑结构存在差异，因此采用基于边界元（BEM）方法与分布式源建模方法来创建个性的头模型与源模型。其次，为结合iEEG与sEEG创建其正问题模型，需要将sEEG、iEEG、MRI、CT相融合；基于刚体变换方法配准与融合MRI与CT、再通过手动标定MRI&CT中iEEG电极从而使iEEG与MRI&CT相融合；再通过头模型与sEEG手动进行坐标矫正，将sEEG与MRI&CT相融合，从而使多模态脑影像相互融合。然后，为明确源信号与sEEG和iEEG的关系，基于临界元方法求解传导矩阵，再基于最小范数估计（MNE）方法创建结合sEEG与iEEG的正问题模型。最后，基于Tikhonov正则化方法求解逆问题，其中通过L曲线准则选取合适的正则化参数，估算出源信号后对其进行平滑与归一化处理，再通过源成像与阈值定位出癫痫灶。本实施例主要是对儿童致痫灶定位方法进行研究，通过分析儿童癫痫现有方法的问题与优势以及影像学定位进展等方面的研究，结合多模态脑影像数据更精确的定位致痫灶。在定位致痫灶的过程中，通过融合多模态影像，创建基于sEEG和iEEG的正问题模型，求解逆问题估算源信号，最终定位致痫灶。本实验所采用的数据，来自复旦大学附属儿科医院，包括原始的MRI、CT，sEEG、iEEG等多模态数据。本实施例研究的主要内容如下：首先为分析基于sEEG源成像儿童致痫灶定位方法。本文基于MNE算法对sEEG进行源成像。首先为明确sEEG与脑内源信号之间的关系，基于MNE算法求解正问题，然后为反演脑内源信号，基于Tikhonov正则化求解逆问题，最后通过仿真实验分析该方法的优劣。其次提出基于多模态脑影像数据的儿童致痫灶定位，由于MRI、CT等多种模态下的原始影像存在方向混乱，体素及体积大小不一致等问题，对MRI、CT进行处理，iEEG与sEEG在采集时受外界与脑内影响，对其进行去尾迹等处理，由于儿童在不同年龄脑结构有一定的差距，因此要创建个性头模型提高定位精度。多模态脑影像融合：由于创建基于iEEG与sEEG正问题模型，首先是确定iEEG与sEEG在大脑中的位置，再通过求解传导矩阵，明确脑电电极电位与源信号的关系，进而建立基于iEEG与sEEG的正问题模型；因此需将MRI，CT，sEEG，iEEG等多模态脑影像相融合，在通过位置矫正或手动标定等方式获取iEEG与sEEG的位置本文档来自技高网...

【技术保护点】
1.一种基于多模态脑影像的儿童癫痫定位方法，其特征在于：它的定位方法为：在创建基于iEEG与sEEG正问题模型之前，首先需对多模态脑影像进行预处理，预处理包括：由于MRI与CT在不同机器采集，因此对其进行重定向与重采样使其统一规格；为去除iEEG与sEEG测量时的脑电噪声，对其进行滤波与基线校正等处理；由于成人与儿童之间的大脑结构存在差异，因此采用基于边界元方法与分布式源建模方法来创建个性的头模型与源模型；其次，为结合iEEG与sEEG创建其正问题模型，需要将sEEG、iEEG、MRI、CT相融合；基于刚体变换方法配准与融合MRI与CT、再通过手动标定MRI&CT中iEEG电极从而使iEEG与MRI&CT相融合；再通过头模型与sEEG手动进行坐标矫正，将sEEG与MRI&CT相融合，从而使多模态脑影像相互融合；然后，为明确源信号与sEEG和iEEG的关系，基于临界元方法求解传导矩阵，再基于最小范数估计方法创建结合sEEG与iEEG的正问题模型；最后，基于Tikhonov正则化方法求解逆问题，其中通过L曲线准则选取合适的正则化参数，估算出源信号后对其进行平滑与归一化处理，再通过源成像与阈值定位出癫痫灶。/n...

【技术特征摘要】
1.一种基于多模态脑影像的儿童癫痫定位方法，其特征在于：它的定位方法为：在创建基于iEEG与sEEG正问题模型之前，首先需对多模态脑影像进行预处理，预处理包括：由于MRI与CT在不同机器采集，因此对其进行重定向与重采样使其统一规格；为去除iEEG与sEEG测量时的脑电噪声，对其进行滤波与基线校正等处理；由于成人与儿童之间的大脑结构存在差异，因此采用基于边界元方法与分布式源建模方法来创建个性的头模型与源模型；其次，为结合iEEG与sEEG创建其正问题模型，需要将sEEG、iEEG、MRI、CT相融合；基于刚体变换方法...

【专利技术属性】
技术研发人员：姜艳殊，汪辉辉，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙;23