自动确定人工神经网络识别癫痫样放电阈值的方法及装置制造方法及图纸

一种自动确定人工神经网络识别癫痫样放电阈值的方法及装置，包括以双向电路联结的数据采集器、计算机，并在该计算机内存建立ＢＰ人工神经网络输入暂存区，参数暂存区，该人工神经网络输出总峰值分布曲线，特点是包括以程序联结的确定阈值程序模块，使得可依藉本发明专利技术装置实现无医生参与的全自动确定用人工神经网络识别脑电图中的癫痫样放电的阈值。（*该技术在2019年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种检测癫痫病情的装置，具体地说，是一种自动确定人工神经网络识别癫痫样放电(Epileptiform Discharges，简称ED)阈值的方法及装置。众所周知，癫痫是一种常见病，患病率约占人口的0.4％，患者发病时常有失去知觉倒地，全身抽搐等表征，是危害人民健康的重要疾病。首先要正确地诊断是否癫痫，使之和其它有类似症状的疾病区分开来，采取正确的治疗措施，目前常用的方法是记录患者的脑电图，再由医生来分析脑电图，看其中是否有癫痫样放电，作为癫痫诊断的主要客观依据，关于这方面，本申请人已于1998年12月30日向中国专利局提交名称为“全自动判断脑电图中有无癫痫样放电的装置”的专利技术专利申请(申请号CN98122894.1)，在这份申请中主要解决“有”和“没有”ED的定性判断。这对于采取正确的治疗路线是十分重要的。对于有ED的病人，如综合其他病症判断为癫痫病人，接着医生就需要了解病人的癫痫病发作的具体情况，发作频繁程度如何，ED的数量和在什么时间、什么情况下发作等等，以决定用什么药、用药量多少等，在治疗一阶段以后，医生需要知道治疗的效果如何、有效、无效、效果好不好等等，考虑是否继续用同类药继续治疗下去，药量是否要增减，还是改用另一种药。癫痫病的病情可主要在ED的数量和其时间分布上看到。除非病人的发作十分频繁，则在医院里，常规的脑电图记录中也可以看到ED，一般需要作动态脑电记录，就是连续记录24小时的病人脑电。由医生来人工分析动态脑电图是十分费时、费力的，因为24小时记录得到的数据量十分庞大，如果逐页显示，再由医生来判读，每一份动态脑电图就需要花费医生几个小时的时间，而且还得不到定量的结果，只是一个定性印象。如果要做定量测量，那么医生再要做很多测量和统计工作，还要把结果绘成图表，这样一天时间也许医生只能处理一个病人的动态脑电记录。有丰富经验的脑电分析医生目前在大城市中还不多，自然中小城市则更少，甚至没有，而广大农村、边缘地区，更是没有这方面专业人才，因此癫痫病人将不可能得到有效的、有针对性的治疗。对于动态脑电的判读迫切需要计算机的自动化，这项工作国际学术界经过了20多年的努力，效果已明显改进，尤其是近年来用“人工神经网络”来检测ED，更是把这项工作推向一个新水平，ED的识别率已明显提高，假阳性率已大大下降，到目前为止以张彤等在《中国生物医学工程学报》1998，17(1)1-11发表的“脑电图癫痫波的自动检测与分类”之技术方案水平最高，他们采用分层次，多方法整合途径将自动适应预测、小波变换、人工神经网络、模糊识别系统、专家系统等信号处理技术结合起来，检测癫痫波取得了良好的结果，还能对癫痫波进行分型。但该方法相当复杂，需用高速和大容量计算机，成本较高，也不利于快速识别。该论文距实用、特别是到广大的小城市、边疆地区去推广应用尚有很大距离，如果把该文所得的具体方法、参数、网络连接权重等固定下来，推广应用，则由于癫痫病人的情况多种多样，不同地区、民族也可能有所不同等等，所得的测试结果不可能都好，也很有可能出现较大性能下降的情况。在用人工神经网络识别ED的过程中，阈值的确定非常重要，当一片段脑电信号输入人工神经网络使其网络输出值超过阈值时，就判断它为ED。低于阈值时就判断它不是ED。当阈值设定偏高时，则识别率下降，当阈值设定偏低时，则假阳性率上升，只有在阈值设定合适时才能同时兼顾识别率高和假阳性率低。张彤等论文中设定的是一个固定的阈值，为了使识别率高，必须将阈值设定偏低，为了消除由此而引起的假阳性率上升问题，他们引入了专家系统等方法，自然，这也不是容易的事。因此他们论文中的“结论”部分中写着“专家系统的知识规则还有很大补充、修改的余地”。我们在实验中看到同一个网络对不同病人的ED识别的最佳阈值是不同的，有的甚至相差较大。如果给网络设定一固定阈值或者只定下一个阈值范围，这样会因阈值不准确而影响识别结果，这是很难适应对于所有病人的ED的自动检测。以前，最佳阈值都是由有经验的医生来确定的。他们也要先设定一个值，然后看识别率和假阳性率的情况，再慢慢调节阈值，使识别率仍然高而假阳性率相当低，才得到最佳阈值。目前，动态脑电记录都是在记录完以后才回放和识别的。在记录的过程中由于没有设定好阈值，无法判断是否ED。再则由于动态脑电记录中的微控制器计算能力有限，无法完成复杂的识别工作，只能等记录完成以后把数据送回主机，由主机来完成识别工作。由主机来做识别工作，要化费不少时间才能处理完记录下来的大量数据，使整个系统的效率大大下降。癫痫发作时病人常会有失去知觉、倒地、全身抽搐等症状，如果病人正在驾驶汽车就会酿成重大事故。如果发作前ED增多的情况能及时发现，并作出报警，病人即使在驾车，他可以立即把车停到路边，就可以避免这类事故。但是，现在的动态脑电记录仪只能在记录完以后告诉病人昨天癫痫病的情况。希望动态脑电记录仪在一边记录的同时，一边识别，当识别出ED增多有癫痫发作前兆时能立即报警，病人可立即做出应对措施，避免发作造成的伤害。对于这一类智能动态记录仪，需要有一个装置，能计算出该病人的ED识别阈值，而且下载给它，它就可以边记录，边识别了。迄今为止，能自动确定人工神经网络识别ED阈值的装置未见报导，人们一直找不到这样一项即使对有经验的医生也是相当复杂的工作如何交给计算机来做的算法。本专利技术的目的提供一种确定用人工神经网络检测ED的阈值的方法和无需医生参与的全自动确定人工神经网络检测ED的阈值的装置。本专利技术是这样实现的，根据本专利技术人多年来对ED病人的脑电图的研究、分析，得出了如何确定ED阈值的方法，其包括如下步骤1、将病人脑电输入人工神经网络，并由该网络输出总峰值分布曲线。网络输出一个个的峰，把每个峰值和其出现的次数画成一条网络输出峰值分布曲线，即总峰值分布曲线；2、该总峰值分布曲线上存在ED区，非ED区和混合区；对该总峰值分布曲线上的非ED区用幂函数y＝A(C-X)B进行拟合，形成拟合曲线；3、将该拟合曲线逐步向总峰值分布曲线上的混合区外推，直至拟合曲线与X轴相交，便完成对非ED分布曲线的最后确定；4、将该总峰值分布曲线减去非ED分布曲线，得出ED分布曲线；5、从该ED分布曲线和非ED分布曲线确定ED阈值。根据上述的本专利技术的确定ED阈值的方法而制造的全自动确定人工神经网络识别癫痫样放电阈值的装置。其包括以双向电路相联结的数据采集器和计算机，该数据采集器与一多路脑电放大器相连接，该计算机连接打印机或直接下载给智能动态脑电记录仪(附图说明图1，图2)，在该计算机中的内存储器中建立人工神经网络的输入暂存区，参数暂存器，并驻留有BP(前馈逆传播学习算法)算法程序，每一路脑电信号在该神经网络中有相应的输入节点，该人工神经网络(图3)由二个三层BP子网络组成，分别称为左子网络和右子网络，左子网络和右子网络的输出经加权平均后，组成网络输出O，左、右子网络各有三层输入层、隐含层和输出层，在该计算机的内存中分别设置输入层数据存贮区、隐含层数据存贮区和输出层数据存储区，对于一个BP子网络，Wji表示输入层第i个节点到隐含层第j个节点的联接权重，Wlj表示隐含层第j个节点到输出层第l个节点的联接权重，隐含层和输出层的节点含有偏置值；θj表示隐本文档来自技高网...

【技术保护点】
一种确定识别癫痫样放电阈值的方法，其步骤包括：ａ、将病人脑电输入人工神经网络，并由该网络的输出计算出总峰值分布曲线，网络输出一个个的峰，把每个峰值和其出现的次数画成一条网络输出峰值分布曲线，即总峰值分布曲线，ｂ、对该总峰值分布曲线的 非ＥＤ区用幂函数ｙ＝Ａ（Ｃ－Ｘ）↑［Ｂ］进行拟合，形成拟合曲线，ｃ、将该拟合曲线逐步向总峰值分布曲线上的混合区外推，直至拟合曲线与ｘ轴相交，便完成对非ＥＤ分布曲线的最后确定，ｄ、将该总峰值分布曲线减去非ＥＤ分布曲线，得出ＥＤ分布曲线 ，ｅ、从该ＥＤ分布曲线和非ＥＤ分布曲线确定ＥＤ阈值。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈俊强，刘书朋，
申请(专利权)人：中国科学院上海生理研究所，
类型：发明
国别省市：31[中国|上海]