基于层次图模型的癫痫脑电信号异常监测系统及设备技术方案

本申请公开了基于层次图模型的癫痫脑电信号异常监测系统及设备，包括：获取模块，其被配置为：获取待监测的脑电信号；层次图模型构建模块，其被配置为：将待监测的脑电信号进行分解，并基于分解的频率分量构建层次图模型；相似性得分计算模块，其被配置为：根据层次图模型，计算所有频率分量对应的融合相似性指标；输出模块，其被配置为：对于所有频率分量对应的融合相似性指标，利用假设检验进行检测，输出脑电信号中新的频率分量属于正常或异常的结果。

【技术实现步骤摘要】
基于层次图模型的癫痫脑电信号异常监测系统及设备
本申请涉及脑电信号异常监测
，特别是涉及基于层次图模型的癫痫脑电信号异常监测系统及设备。
技术介绍
本部分的陈述仅仅是提到了与本申请相关的
技术介绍
，并不必然构成现有技术。脑电图(EEG)是分析和解释大脑疾病特征的最有效的医学成像工具，因其无创、设备成本低、时间分辨率高和使用简便等独特的优势，而被广泛应用于癫痫发作诊断中。在实际对EEG信号的监测中，一个非常重要的内容就是对EEG信号中所出现的异常进行监测，即对于EEG信号从正常到异常的的时间进行监测。由于EEG信号的负责性和不平稳性，这种对于EEG信号的异常监测在目前仍是一种比较有挑战的问题。专利技术人发现，当下，临床上EEG的异常检测仍然依赖于有经验的医师视觉观察多通道脑电图，进而凭经验来识别其中是否包含异常的脑电波。此方法枯燥、费时、效率低，且缺乏统一的客观标准，容易造成误判和漏判，并且评估者之间的一致性较低。
技术实现思路
为了解决现有技术的不足，本申请提供了基于层次图模型的癫痫脑电信号异常监测系统及设备；第一方面，本申请提供了基于层次图模型的癫痫脑电信号异常监测系统；基于层次图模型的癫痫脑电信号异常监测系统，包括：获取模块，其被配置为：获取待监测的脑电信号；层次图模型构建模块，其被配置为：将待监测的脑电信号进行分解，并基于分解的频率分量构建层次图模型；相似性得分计算模块，其被配置为：根据层次图模型，计算所有频率分量对应的融合相似性指标；输出模块，其被配置为：对于所有频率分量对应的融合相似性指标，利用假设检验进行检测，输出脑电信号中新的频率分量属于正常或异常的结果。第二方面，本申请还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行以下步骤：获取待监测的脑电信号；将待监测的脑电信号进行分解，并基于分解的频率分量构建层次图模型；根据层次图模型，计算所有频率分量对应的融合相似性指标；对于所有频率分量对应的融合相似性指标，利用假设检验进行检测，输出脑电信号中新的频率分量属于正常或异常的结果。第三方面，本申请还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成以下步骤：获取待监测的脑电信号；将待监测的脑电信号进行分解，并基于分解的频率分量构建层次图模型；根据层次图模型，计算所有频率分量对应的融合相似性指标；对于所有频率分量对应的融合相似性指标，利用假设检验进行检测，输出脑电信号中新的频率分量属于正常或异常的结果。与现有技术相比，本申请的有益效果是：对EEG信号进行自动化监测可以使用特定的方法系统按照既定的标准对EEG信号的状态进行判断，确定其是否处于异常状态。在监测时，系统会按照统一的客观标准对EEG信号进行监测，从而减少EEG信号的误判和漏判，保持评估结果的一致性。当异常监测出来以后，再利用医师或某些方法对异常进行诊断，以节约诊断时间。本申请提出了一种利用层次图模型对EEG中癫痫信号中相关信息进行提取，然后利用假设检验的方法对异常进行监测的系统。可以在无人状态下自动对EEG信号进行监测，从而提高诊断效率。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为第一个实施例的方法流程图；图2(a)为第一个实施例的HGM构建示意图；图2(b)为第一个实施例的HGMs重组示意图；图2(c)为第一个实施例的Xm的三层层次分解(HD)操作示意图；图3(a)为第一个实施例的EEG信号示意图；图3(b)为第一个实施例的相似性分数示意图。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。实施例一本实施例提供了基于层次图模型的癫痫脑电信号异常监测系统；基于层次图模型的癫痫脑电信号异常监测系统，包括：获取模块，其被配置为：获取待监测的脑电信号；层次图模型构建模块，其被配置为：将待监测的脑电信号进行分解，并基于分解的频率分量构建层次图模型；相似性得分计算模块，其被配置为：根据层次图模型，计算所有频率分量对应的融合相似性指标；输出模块，其被配置为：对于所有频率分量对应的融合相似性指标，利用假设检验进行检测，输出脑电信号中新的频率分量属于正常或异常的结果。作为一个或多个实施例，所述获取模块之后，所述层次图模型构建模块之前，还包括：预处理模块；所述预处理模块，其被配置为：对待监测的脑电信号进行滤波处理。应理解的，由于信号采集过程中出现的噪声会严重影响检测效果，因此本申请首先对信号进行了平滑滤波，以去除噪声。作为一个或多个实施例，所述层次图模型构建模块，包括：图模型构建单元；所述图模型构建单元，其被配置为：将时间索引的待监测脑电信号的频率分辨率作为层次图的节点，将节点之间的距离作为节点与节点之间边的权重，得到当前频率分量的层次图；进而得到待监测脑电信号每个信号片段内所有频率分量对应的所有层次图；将待监测脑电信号的所有层次图，从分段索引重新排列为分量索引。应理解的，所述分段索引，是指按照脑电信号监测的时间段进行索引；应理解的，所述分量索引，是指按照脑电信号的频率分量类型进行索引。示例性的，然后用欧氏距离计算f(i)和f(j)之间的边的权重di,j。构造了第e个分量的层次图并用相邻矩阵表示如下：最后，将第m段的层次图构造为如图2(a)所示。为了更好的描述脑电信号状态，同时便于后续计算，我们将这些图从分段索引重新排列到分量索引(见图2(b))，是由所有段的第e个分量构造的图。作为一个或多个实施例，所述层次图模型构建模块，还包括：层次分级单元；所述层次分级单元，其被配置为：将待监测的脑电信号划分为若干个信号片段，对每个信号片段均进行层次分解，得到每个信号片段对应的本文档来自技高网...

【技术保护点】
1.基于层次图模型的癫痫脑电信号异常监测系统，其特征是，包括：/n获取模块，其被配置为：获取待监测的脑电信号；/n层次图模型构建模块，其被配置为：将待监测的脑电信号进行分解，并基于分解的频率分量构建层次图模型；/n相似性得分计算模块，其被配置为：根据层次图模型，计算所有频率分量对应的融合相似性指标；/n输出模块，其被配置为：对于所有频率分量对应的融合相似性指标，利用假设检验进行检测，输出脑电信号中新的频率分量属于正常或异常的结果。/n

【技术特征摘要】
1.基于层次图模型的癫痫脑电信号异常监测系统，其特征是，包括：
获取模块，其被配置为：获取待监测的脑电信号；
层次图模型构建模块，其被配置为：将待监测的脑电信号进行分解，并基于分解的频率分量构建层次图模型；
相似性得分计算模块，其被配置为：根据层次图模型，计算所有频率分量对应的融合相似性指标；
输出模块，其被配置为：对于所有频率分量对应的融合相似性指标，利用假设检验进行检测，输出脑电信号中新的频率分量属于正常或异常的结果。


2.如权利要求1所述的系统，其特征是，所述获取模块之后，所述层次图模型构建模块之前，还包括：预处理模块；所述预处理模块，其被配置为：对待监测的脑电信号进行滤波处理。


3.如权利要求1所述的系统，其特征是，所述层次图模型构建模块，包括：图模型构建单元；所述图模型构建单元，其被配置为：
将时间索引的待监测脑电信号的频率分辨率作为层次图的节点，将节点之间的距离作为节点与节点之间边的权重，得到当前频率分量的层次图；
进而得到待监测脑电信号每个信号片段内所有频率分量对应的所有层次图；将待监测脑电信号的所有层次图，从分段索引重新排列为分量索引。


4.如权利要求1所述的系统，其特征是，所述层次图模型构建模块，还包括：层次分级单元；所述层次分级单元，其被配置为：
将待监测的脑电信号划分为若干个信号片段，对每个信号片段均进行层次分解，得到每个信号片段对应的若干个频率分量；
将每个信号片段对应的每个频率分量均转换到频域；
对频域中的分量进行加窗处理，得到周期图；
根据周期图得到时间索引的频率分辨率。


5.如权利要求1所述的系统，其特征是，所述相似性得分计算模块，包括：融合相似性指标计算单元；所述融合相似性指标计算单元，其被配置为：
将新的频率分量的相似性得分进行标准化处理，得到标准化的相似性得分；
计算每个相似性得分的方差；基于方差计算每个相似性得分的权重；
基于权重和标准化的相似性得分，得到相似性...

【专利技术属性】
技术研发人员：卢国梁，贺光硕，杨少华，陈光远，尚伟，谢兆宏，许峰，张红，刘震，王尚，王莉莉，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37