用于计算脑活动的指示的方法和系统技术方案

本发明专利技术涉及一种用于计算与受试者的脑活动相关联的指示的系统，该系统包括：采集模块，其被配置为从多个电极采集受试者的至少一个时段的脑电图信号；以及数据处理模块，其被配置为执行以下步骤：使用从多个电极采集的受试者的脑电图信号(ES)作为自动编码器神经网络(aNN)的输入来计算平均向量(V

【技术实现步骤摘要】
【国外来华专利技术】用于计算脑活动的指示的方法和系统
本专利技术涉及一种用于对受试者的脑电图进行分析的系统和方法。特别地，本专利技术涉及一种使用分类方法来识别受试者的病理性脑活动的系统和方法。
技术介绍
脑电图技术是用于诊断和研究诸如癫痫的神经系统疾病的基本工具，其包括利用放置在受试者头皮表面的电极来记录大脑的电活动。通常，头皮脑电图的临床检查依赖于对多个通道中记录的波形模式的形态和空间分布的视觉评估，这通常是耗时且效率低下的过程。本专利技术提出了一种能对诸如癫痫发作以及其他神经生理现象的病理性脑活动进行自动检测的方法。自动癫痫发作检测的问题已被广泛研究。迄今为止，大多数工作都使用了专业的人工设计特征对脑电图(EEG)的癫痫发作表现进行表征。然而，癫痫发作是高度不稳定的现象，脑电图的癫痫发作表现在患者内随时间极其多变，并且不同患者之间是极其多变的(PanayiotopoulosCP.“Aclinicalguidetoepilepticsyndromesandtheirtreatment.”Chapter6.Springer,2010)。在这种情况下，需要改善患者内和患者之间自动癫痫发作检测中的泛化误差。Thodoroff等人在他们的出版物中(Thodoroff,Pierre,JoellePineau,andAndrewLim."LearningRobustFeaturesusingDeepLearningforAutomaticSeizureDetection."MachineLearningforHealthcareConference,2016)提出了一种克服所述技术问题的方法。Thodoroff等人公开了一种在受监督的学习框架中使用深度学习来自动学习更多鲁棒特征的方法。实际上，在各个领域中，由深度学习模型设计的特征已证明比人工设计特征更具鲁棒性。更准确地说，Thodoroff等人公开了能学习癫痫发作的一般空间不变表示的递归卷积神经网络的实现方式。对于特定于患者的检测和跨患者的检测，该方法允许检测30秒的脑电图信号段是否包含癫痫发作。然而，Thodoroff等人生成手写特征。此外，在等于或短于30秒的时间段内发生的两次不同的癫痫发作将被错误地与唯一的癫痫发作相关联，从而限制了Thodoroff等人公开的方法的固有灵敏度。因此，需要开发一种用于对脑电图信号进行分析并对如癫痫发作的脑活动进行检测的方法，以提供更高的时间分辨率和固有灵敏度。
技术实现思路
为此，本专利技术涉及一种用于计算与受试者的脑活动相关联的指示的系统，该系统包括：-采集模块，其用于从多个电极采集受试者的至少一个时段的脑电图信号；-数据模块，其包括用于执行以下步骤的装置：-根据以下步骤计算平均向量：ο接收从多个电极采集的受试者的至少一个时段的脑电图信号；ο为自动编码器神经网络生成所述脑电图信号的输入矩阵(n×m)，所述输入矩阵的维度n等于N，其中，N是脑电图记录的通道数量；ο使用自动编码器生成重构的输出矩阵；ο通过输入矩阵和输出矩阵的线性组合来生成损失值向量，其中，损失值向量的每个元素与通道相关联；ο计算损失值向量的元素的平均值；所述计算步骤被重复多次以生成平均向量，该平均向量包括针对每个连续的脑电图时段获得的平均值；-在平均向量的连续的平均值中检测至少一个预定模式的存在；以及-当检测到预定模式时生成受试者的脑活动的指示。本专利技术的系统有利地使得可以以高的时间分辨率和高的固有灵敏度对脑电图信号进行采集和分析，以便检测至少一种特定的脑活动，诸如癫痫发作。在一个实施例中，利用训练数据集对在数据模块中实现的自动编码器进行训练，该训练数据集包括在预定时间段内的多个预定脑电图信号。在一个实施例中，在数据模块中，实现的自动编码器包括至少两个神经元隐藏层。在一个实施例中，数据处理模块还被配置为执行根据预定阈值对平均向量的元素进行二元分类的步骤。在一个实施例中，在数据处理模块中，利用谐波平均计算损失值向量的元素的每一个的平均值。在一个实施例中，在数据处理模块中，预定模式被配置为检测平均向量的被包括在预定值范围内的两个连续的平均值。在一个实施例中，通过采集模块以至少256Hz的采样率对脑电图信号进行采集。在一个实施例中，在数据处理模块中，根据采样率和时段时间窗口来限定输入矩阵的维度m。在一个实施例中，在数据处理模块中，预定阈值是平均向量的98％的元素落入该阈值以下的值。在一个实施例中，该系统还包括用于报告脑活动的指示的输出生成器。本专利技术还涉及一种用于计算与受试者的脑活动相关联的指示的方法，所述方法包括以下步骤：-根据以下步骤计算平均向量：ο接收从多个电极采集的受试者的至少一个时段的脑电图信号；ο生成所述脑电图信号的输入矩阵(n×m)，用于自动编码器神经网络，所述输入矩阵的维度n等于N，其中，N是脑电图记录的通道数量；ο使用自动编码器生成重构的输出矩阵；ο通过输入矩阵和输出矩阵的线性组合来生成损失值向量，其中，损失值向量的每个元素与通道相关联；ο计算损失值向量的元素的平均值；所述计算步骤被重复多次以生成平均向量，该平均向量包括针对每个连续的脑电图时段获得的平均值；-在平均向量的连续的平均值中检测至少一个预定模式的存在；以及-当检测到预定模式时生成受试者的脑活动的指示。本专利技术的方法有利地使得可以以更高的时间分辨率和固有灵敏度对脑电图信号进行分析，并因此检测特定的脑活动，诸如癫痫发作。此外，自动编码器的实现方式允许使用不需要外部教学信号的无监督学习(即，无需对信号进行分类的训练数据集)。在一个实施例中，利用训练数据集对自动编码器进行训练，该训练数据集包括在预定时间段内的多个预定脑电图信号。在一个实施例中，自动编码器包括至少两个神经元隐藏层。在一个实施例中，该方法还包括根据预定阈值对平均向量的元素进行二元分类的步骤。这种方法的优点是，可以去除已被错误分类为病理性脑活动的嘈杂事件。在一个实施例中，利用谐波平均计算损失值向量的元素的每一个的平均值。在一个实施例中，预定模式被配置为检测平均向量的在预定值范围内的两个连续的平均值。在一个实施例中，以至少256Hz的采样率对脑电图信号进行采集。在一个实施例中，根据采样率和时段时间窗口来限定输入矩阵(Min)的维度m。在一个实施例中，预定阈值是平均向量的98％的元素落入该阈值以下的值。本专利技术还涉及一种用于计算与受试者的脑活动相关联的指示的计算机程序产品，该计算机程序产品包括指令，当程序由计算机执行时，该指令使计算机执行根据上述实施例中的任何一个的本专利技术的方法的步骤。本专利技术还涉及一种包括指令的计算机可读存储介质，当程序由计算机执行时，该指令使计算机执行根据上述实施例中的任何一个的本专利技术的方法的步骤。定义说本文档来自技高网...

【技术保护点】
1.一种用于计算与受试者的脑活动相关联的指示的系统，所述系统包括：/n-采集模块(1)，其被配置为从多个电极采集受试者的至少一个时段的脑电图信号；以及/n-数据处理模块(2)，其被配置为执行以下步骤：/n-根据以下步骤计算平均向量(V

【技术特征摘要】
【国外来华专利技术】20171222 EP 17306917.01.一种用于计算与受试者的脑活动相关联的指示的系统，所述系统包括：
-采集模块(1)，其被配置为从多个电极采集受试者的至少一个时段的脑电图信号；以及
-数据处理模块(2)，其被配置为执行以下步骤：
-根据以下步骤计算平均向量(VA)：
o接收(REV)从多个电极采集的受试者的至少一个时段的脑电图信号(ES)；
o生成(GENI)所述脑电图信号的输入矩阵(Min)(n×m)，所述输入矩阵的维度n等于N，N是脑电图记录的通道数量；所述输入矩阵作为输入被提供给自动编码器神经网络(aNN)；
o使用自动编码器(aNN)生成(GENO)重构的输出矩阵(Mo)；
o通过所述输入矩阵(Min)和所述输出矩阵(Mo)的线性组合生成(GENLV)损失值向量(VLV)，其中，所述损失值向量(VLV)的每个元素与通道相关联；以及
o计算(CAL)所述损失值向量(VLV)的元素的平均值(hi)；
所述计算步骤被重复多次以生成平均向量(VA)，所述平均向量包括针对每个连续的脑电图时段获得的平均值；
-在所述平均向量(VA)的连续的平均值中检测(DET)至少一个预定模式的存在；以及
-当检测到所述预定模式时生成受试者的脑活动指示(Idx)。


2.根据权利要求1所述的系统，其中，利用训练数据集对所述自动编码器进行训练，所述训练数据集包括在预定时间段内的多个预定脑电图信号。


3.根据权利要求1或2中任一项所述的系统，其中，所述自动编码器包括至少两个神经元隐藏层。


4.根据权利要求1至3中任一项所述的系统，其中，所述数据处理模块还被配置为执行根据预定阈值对所述平均向量的元素进行二元分类的步骤。


5.根据权利要求1至4中任一项所述的系统，其中，利用谐波平均计算所述损失值向量的元素的每个平均值。


6.根据权利要求1至5中任一项所述的系统，其中，所述预定模式被配置为检测所述平均向量的包括在预定值范围内的两个连续的平均值。


7.根据权利要求1至6中任一项所述的系统，其中，以至少256Hz的采样率对脑电图信号进行采集。


8.根据权利要求1至7中任一项所述的系统，其中，根据所述采样率和时段时间窗口来限定所述输入矩阵(Min)的维度m。


9.根据权利要求4所述的系统，其中，所述预定阈值是所述平均向量的98％的元素落在其下的值。


10.根据权利要求1至9中任一项所述的系统，还包括用于报告所述脑活动的指示的输出生成器(3)。


11.一种...

【专利技术属性】
技术研发人员：莫奇内·埃迪，米歇尔·勒凡权，让厄德·勒杜热，
申请(专利权)人：波尓瑟兰尼提公司，大脑和脊髓研究所，巴黎公共救济院，索邦大学，法国国家科学研究中心，国立卫生研究所，
类型：发明
国别省市：法国;FR