一种基于多位点同步性变化的颞叶癫痫检测系统技术方案

本发明专利技术公开了一种基于多位点同步性变化的颞叶癫痫检测系统，其特征在于，包括至少一个计算机系统，其被配置成：接收同步记录在海马和边缘系统上多个位点的异常放电信号；对接收的异常放电信号进行预处理确定用于检测的目标频段；根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫。通过分析海马与边缘系统上多个位点的同步性变化，检测癫痫发作。

【技术实现步骤摘要】
一种基于多位点同步性变化的颞叶癫痫检测系统
本专利技术属于脑电信号处理，癫痫检测领域，具体涉及一种基于多位点同步性变化的颞叶癫痫检测系统。
技术介绍
颞叶癫痫(temporallobeepilepsy,TLE)是临床常见的癫痫类型之一，其癫痫灶通常位于颞叶及颞叶内侧。通常认为，海马硬化是TLE最常见的病因和病理改变。部分TLE患者可以通过药物治疗得到很好的控制，然而仍有50％左右的患者为药物难治性患者，通常需要通过手术治疗。对于TLE类型癫痫，研究中通常采用大鼠作为实验对象，通过注射红藻氨酸(kainicacid,KA)或氯化锂—匹鲁卡品使其快速达到或诱发至癫痫持续状态。其中，氯化锂—匹鲁卡品腹部注射的大鼠慢性癫痫模型被认为可以很好地模拟研究人类TLE，由于该模型中癫痫大鼠脑中病灶是多发的，类似于人类TLE的病因。对TLE确诊及治疗，脑区异常放电的实时记录是诊断和定位非常重要的手段之一。在氯化锂—匹鲁卡品腹部注射的大鼠模型实验中，实验人员通常将电极丝植入海马及周边的结构中，如丘脑前核、杏仁核等，这些结构在解剖中都曾发现与癫痫相关的病变，对这些位置进行电信号记录，可以准确地了解癫痫发生的时间、位点以及进展过程。同时可以通过观察这些位点的电信变化，来判断采用电刺激等治疗方式对于癫痫抑制的有效程度。目前对于癫痫信号的识别和监控，主要依靠医务人员或实验人员的人工判断，对于自动检测方法，目前已经有相关检测方法正在研究并实现，包括线性/非线性分析、机器学习方法、深度学习方法，大部分的方法都是在单通道上进行，部分方法计算效率高，易于在硬件上实现，但是灵敏性和特异性较差，部分方法识别准确率高，误警少，但是方法复杂，无法在硬件上实现。其中，特征的选择对于检测的准确性和计算复杂度有着密不可分的关系。许多特征已广泛用于癫痫发作检测方法中，例如线长、幅度和相位同步、频谱特征、时频域特征以及与信息论有关的特征，例如近似熵。一些方法可以实现更好的性能。有些更适合于具有较高计算效率的在线检测。一些研究人员认为特定频带的相位同步可以检测或预测癫痫发作，包括θ波、α波、β波、γ波、高频和宽带振荡。他们发现在某些特定频段，癫痫发作开始时各个不同区域的位点同步增强。在准确性方面，多位点特征的联合检测准确度明显比单位点特征检测要高。同时在计算量方面，由于采用的是同步性计算，复杂度明显小于频谱等计算。因此该特征能够成为一种较好的癫痫自动检测方法特征。
技术实现思路
本专利技术的目的是提供一种基于多位点同步性变化的颞叶癫痫检测系统，通过分析海马与边缘系统上多个位点的同步性变化，检测癫痫发作。为实现上述专利技术目的，本专利技术提供以下技术方案：一种基于多位点同步性变化的颞叶癫痫检测系统，包括至少一个计算机系统，其被配置成：接收同步记录在海马和边缘系统上多个位点的异常放电信号；对接收的异常放电信号进行预处理确定用于检测的目标频段；根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫。与现有技术相比，本专利技术具有的有益效果至少包括：本专利技术提供的基于多位点同步性变化的颞叶癫痫检测系统，结合多个位点的异常放电信号的同步性变化特征值来检测颞叶癫痫，提升了颞叶癫痫检测的准确性和效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动前提下，还可以根据这些附图获得其他附图。图1是本专利技术实施例提供的基于多位点同步性变化的颞叶癫痫检测系统实现颞叶癫痫检测的流程框图；图2为本专利技术实施例提供的幅度平方相干图谱与图像边缘检测结果示意图；图3为本专利技术实施例提供的颞叶癫痫检测结果示意图；图4为本专利技术实施例提供的阈值生成流程图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本专利技术进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不限定本专利技术的保护范围。通过网络分析方法对癫痫发作的研究过程中发现：在癫痫发作期间，各个位点之间具有同步性变化，且研究还发现，在特定频段，癫痫发作前期的同步性是升高的。基于此研究，本专利技术实施例提供了一种基于多位点同步性变化的颞叶癫痫检测系统，该颞叶癫痫检测系统能够实现基于采集的位点的异常放电信号特征实现对颞叶癫痫的精准检测。图1是本专利技术实施例提供的基于多位点同步性变化的颞叶癫痫检测系统实现颞叶癫痫检测的流程框图。如图1所示，该颞叶癫痫检测系统包括至少一个计算机系统，其被配置成：步骤1，接收同步记录在海马和边缘系统上多个位点的异常放电信号。实施例中，将电极片安放在脑部的海马和边缘系统上的多个位点上，其中边缘系统是指海马周边的结构，如丘脑前核、杏仁核等，对本领域人员来说是清楚的。当电极片安放好之后，启动脑电信号采集设备，并采集多个位点的异常放电信号，异常放电信号是指有可能发生颞叶癫痫的脑电信号。采集的异常放电信号输入至颞叶癫痫检测系统并接收。步骤2，对接收的异常放电信号进行预处理确定用于检测的目标频段。预处理目的是为了获取检测过程中频段，该中频段使用数据量少，仅占检测过程的15％～30％。具体地，对接收的异常放电信号进行预处理确定用于检测的目标频段包括：(a)对接收的异常放电信号构建横坐标为时间刻度，纵坐标为频率刻度的幅度平方相干图谱，该幅度平方相干图谱用于描述位点间异常放电信号的同步性变化。构建的幅度平方相干图谱主要用于对连续信号的时频分析。具体地，幅度平方相干图谱的构建过程为：将连续异常放电信号按固定划分时间长度划分成处理窗口，同时保证相邻窗口重叠一定重叠时间长度，重叠时间长度小于固定划分时间长度，对每个处理窗口中内的异常放电信号做幅度平方相干分析，得到处理窗口内全频段的相干性信息，将所有处理窗口的相干性信息按照时间连接，得到横坐标为时间刻度，纵坐标为频率刻度的幅度平方相干图谱。举例来说，将连续异常放电信号按400ms划分成处理窗口，同时为了提高图谱的分辨率，相邻处理窗口重叠300ms。在每个处理窗口中做幅度平方相干分析，得到该窗口内全频段(1Hz～500Hz)相干性信息。将所有结果连接，得到相干性图谱，横坐标为时间刻度，纵坐标为频率刻度，分辨率为100ms和1Hz。窗口内幅度平方相干计算公式如下：其中，Pxy,Pxx,Pyy分别为信号x与y的交叉功率谱密度，x,y自功率谱密度。(b)对所述幅度平方相干图谱进行边缘检测得到同步性变化最强的候选频段。实施例中，可以采用Canny算子图像边缘检测算法对所述幅度平方相干图谱进行边缘检测以得到同步性变化最强的候选频段。利用Canny算子图像边缘检测算法检测幅度平方相干图谱中的边缘信息，即图谱中变化最显著区域，也就是相干性变化最显著区域。由于采用边缘检测算本文档来自技高网...

【技术保护点】
1.一种基于多位点同步性变化的颞叶癫痫检测系统，其特征在于，包括至少一个计算机系统，其被配置成：/n接收同步记录在海马和边缘系统上多个位点的异常放电信号；/n对接收的异常放电信号进行预处理确定用于检测的目标频段；/n根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫。/n

【技术特征摘要】
1.一种基于多位点同步性变化的颞叶癫痫检测系统，其特征在于，包括至少一个计算机系统，其被配置成：
接收同步记录在海马和边缘系统上多个位点的异常放电信号；
对接收的异常放电信号进行预处理确定用于检测的目标频段；
根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫。


2.如权利要求1所述的基于多位点同步性变化的颞叶癫痫检测系统，其特征在于，所述对接收的异常放电信号进行预处理确定用于检测的目标频段包括：
对接收的异常放电信号构建横坐标为时间刻度，纵坐标为频率刻度的幅度平方相干图谱，该幅度平方相干图谱用于描述位点间异常放电信号的同步性变化；
对所述幅度平方相干图谱进行边缘检测得到同步性变化最强的候选频段；
从提取的候选频段中确定目标频段。


3.如权利要求2所述的基于多位点同步性变化的颞叶癫痫检测系统，其特征在于，所述幅度平方相干图谱的构建过程为：
将连续异常放电信号按固定划分时间长度划分成处理窗口，同时保证相邻窗口重叠一定重叠时间长度，重叠时间长度小于固定划分时间长度，对每个处理窗口中内的异常放电信号做幅度平方相干分析，得到处理窗口内全频段的相干性信息，将所有处理窗口的相干性信息按照时间连接，得到横坐标为时间刻度，纵坐标为频率刻度的幅度平方相干图谱。


4.如权利要求2所述的基于多位点同步性变化的颞叶癫痫检测系统，其特征在于，采用Canny算子图像边缘检测算法对所述幅度平方相干图谱进行边缘检测以得到同步性变化最强的候选频段。


5.如权利要求2所述的...

【专利技术属性】
技术研发人员：陈耀武，高翔，许科帝，周凡，张芳，杨语芳，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33