一种癫痫发作预测系统及方法技术方案

本发明专利技术涉及一种癫痫发作预测系统及方法。属于癫痫病发作预测技术领域。系统包括脑电信号采集模块，脑电信号分段模块，特征信息提取模块，特征滤波处理模块，特征矩阵生成模块以及癫痫发作预测模块。本发明专利技术提供的癫痫发作预测系统通过特征矩阵生成模块的生成对抗网络产生癫痫患者癫痫发作期的脑电特征信息，用以提高对患者癫痫发作的预测精度。提高对患者癫痫发作的预测精度。提高对患者癫痫发作的预测精度。

【技术实现步骤摘要】
一种癫痫发作预测系统及方法


[0001]本专利技术涉及癫痫病发作预测
，特别是涉及一种癫痫发作预测系统及方法。

技术介绍

[0002]癫痫是仅次于脑血管疾病的第二大脑部疾病，影响超过全球0.5％的人。根据国家卫生部公布的数据，全国癫痫患者总人数约为800万人，每年新增患者人数超过35万人，患者人群中18岁以下人员占比为75％
‑
80％。癫痫是大脑神经元异常放电导致的一种慢性神经系统疾病。在发作时，患者会突然的惊厥、抽搐或意识丧失。并且，癫痫的发作时间以及发作地点并不会受人为控制，这就导致癫痫患者不仅无法保障自身的生命安全，还会影响到其他人员的人身安全。例如，癫痫患者导致的交通事故。因此，对癫痫患者的癫痫发作进行预测至关重要。
[0003]癫痫的发作时间很短，这导致癫痫发作过程中采集的脑电信号的样本数量远远小于癫痫发作后期和癫痫发作间期的脑电信号的样本数量。癫痫患者脑电信号的样本数量不平衡会降低对癫痫发作的预测精度。当前针对癫痫发作预测的样本不平衡问题的解决措施包括降采样和过采样。其中，降采样过程会丢弃大量有效数据，存在过拟合问题；过采样实际上并没有为模型引入更多的数据，过分强调正比例数据，这会放大正比例噪声对模型的影响。
[0004]针对现有技术的缺点，本专利技术提出了一种癫痫发作预测系统及方法。通过生成对抗网络产生癫痫患者癫痫发作期的脑电特征信息，提高对患者癫痫发作的预测精度。

技术实现思路

[0005]本专利技术的目的是提供一种癫痫发作预测系统及方法。通过生成对抗网络产生癫痫患者癫痫发作期的脑电特征信息，提高对患者癫痫发作的预测精度。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一方面，本专利技术提供一种癫痫发作预测系统，包括：
[0008]脑电信号采集模块，用于对癫痫患者的脑电信号进行采集，得到不同频率的脑电信号；
[0009]脑电信号分段模块，用于按癫痫发作阶段对所述不同频率的脑电信号进行分段，得到a段脑电信号；
[0010]特征信息提取模块，用于对a段脑电信号分别进行特征提取，得到每段脑电信号的特征矩阵；
[0011]特征滤波处理模块，用于对所述每段脑电信号的特征矩阵进行滤波处理，得到a组数据样本；
[0012]特征矩阵生成模块，用于利用生成对抗网络产生癫痫患者脑电信号的特征矩阵，利用生成对抗网络产生的特征矩阵平衡所述a组数据样本的样本数量；
[0013]癫痫发作预测模块，用于利用超限学习机对平衡样本数量后的a组数据样本进行处理，预测癫痫发作。
[0014]可选的，所述脑电信号分段模块，包括：
[0015]发作间期分段子模块，用于判断所述癫痫患者的脑电信号的频率是否处于癫痫发作间期，若是，则将该脑电信号分入X1段；
[0016]发作前期分段子模块，用于判断所述癫痫患者的脑电信号的频率是否处于癫痫发作前期，若是，则将该脑电信号分入X2段；
[0017]发作期分段子模块，用于判断所述癫痫患者的脑电信号的频率是否处于癫痫发作期，若是，则将该脑电信号分入X3段；
[0018]发作后期分段子模块，用于判断所述癫痫患者的脑电信号的频率是否处于癫痫发作后期，若是，则将该脑电信号分入X4段；
[0019]所述a的值为4。
[0020]可选的，所述X1段脑电信号的频率为0.5～3.5Hz；所述X2段脑电信号的频率为4～8Hz；所述X3段脑电信号的频率为8～13Hz；所述X4段脑电信号的频率为13～30Hz。
[0021]可选的，所述特征信息提取模块，包括：
[0022]波动指数特征提取子模块，用于根据波动指数计算公式提取脑电信号的波动指数，所述波动指数计算公式如下：
[0023][0024]其中，X表示脑电信号，t表示时间，T表示脑电信号时长；
[0025]变换系数特征提取子模块，用于根据变换系数计算公式提取脑电信号的变换系数，所述变换系数计算公式如下：
[0026][0027]其中，X表示脑电信号，t表示时间，T表示脑电信号时长；
[0028]活动性特征提取子模块，用于根据活动性计算公式提取脑电信号的活动性，所述活动性计算公式如下:
[0029][0030]其中，X表示脑电信号，t表示时间，T表示脑电信号时长；
[0031]峰度特征提取子模块，用于根据峰度计算公式提取脑电信号的峰度，所述峰度计算公式如下:
[0032][0033]其中，X表示脑电信号，E表示期望值计算，mean表示均值计算，std表示标准差计算；
[0034]偏度特征提取子模块，用于根据偏度计算公式提取脑电信号的偏度，所述偏度计算公式如下:
[0035][0036]其中，X表示脑电信号，E表示期望值计算，mean表示均值计算，std表示标准差计算；
[0037]尖端值特征提取子模块，用于根据尖端值计算公式提取脑电信号的尖端值，所述尖端值计算公式如下:
[0038]Peak＝max(abs(max(X)),abs(min(X)))
[0039]其中，X表示脑电信号，max表示最大值计算，abs表示绝对值计算，min表示最小值计算；
[0040]波形因子特征提取子模块，用于根据波形因子计算公式提取脑电信号的波形因子，所述波形因子计算公式如下:
[0041][0042]其中，X表示脑电信号，rms表示均方根计算，mean表示均值计算；
[0043]脉冲因子特征提取子模块，用于根据脉冲因子计算公式提取脑电信号的脉冲因子，所述脉冲因子计算公式如下：
[0044][0045]其中，X表示脑电信号，max表示最大值计算，min表示最小值计算，mean表示均值计算；
[0046]峰值因子特征提取子模块，用于根据峰值因子计算公式提取脑电信号的峰值因子，所述峰值因子计算公式如下：
[0047][0048]其中，X表示脑电信号，max表示最大值计算，min表示最小值计算，rms表示均方根计算；
[0049]特征矩阵获取子模块，用于获取脑电信号的特征矩阵，所述脑电信号的特征矩阵表示为Feature(F,V
c
,Activity,Skew,Kurt,Peak,WF,PF,PeakF)；
[0050]其中，F表示为波动指数，V
c
表示变换系数，Activity表示活动性，Skew表示峰度，Kurt表示偏度，Peak表示尖端值，WF表示波形因子，PF表示脉冲因子，PeakF表示峰值因子。
[0051]可选的，所述特征滤波处理模块，包括：平滑滤波处理子模块和数据样本获取子模块；
[0052]平滑滤波处理子模块，用于对每段脑电信号的特征矩阵进行平滑滤波处理；所述平滑滤波处理包括利用前C个特征矩阵的均值代替第j个特征矩阵的值，去除脑电信号采集
过程中由于噪声导致的异常值的存在；所述利用前C个特征矩阵的均值代替第j个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种癫痫发作预测系统，其特征在于，包括：脑电信号采集模块，用于对癫痫患者的脑电信号进行采集，得到不同频率的脑电信号；脑电信号分段模块，用于按癫痫发作阶段对所述不同频率的脑电信号进行分段，得到a段脑电信号；特征信息提取模块，用于对a段脑电信号分别进行特征提取，得到每段脑电信号的特征矩阵；特征滤波处理模块，用于对所述每段脑电信号的特征矩阵进行滤波处理，得到a组数据样本；特征矩阵生成模块，用于利用生成对抗网络产生癫痫患者脑电信号的特征矩阵，利用生成对抗网络产生的特征矩阵平衡所述a组数据样本的样本数量；癫痫发作预测模块，用于利用超限学习机对平衡样本数量后的a组数据样本进行处理，预测癫痫发作。2.根据权利要求1所述的癫痫发作预测系统，其特征在于，所述脑电信号分段模块，包括：发作间期分段子模块，用于判断所述癫痫患者的脑电信号的频率是否处于癫痫发作间期，若是，则将该脑电信号分入X1段；发作前期分段子模块，用于判断所述癫痫患者的脑电信号的频率是否处于癫痫发作前期，若是，则将该脑电信号分入X2段；发作期分段子模块，用于判断所述癫痫患者的脑电信号的频率是否处于癫痫发作期，若是，则将该脑电信号分入X3段；发作后期分段子模块，用于判断所述癫痫患者的脑电信号的频率是否处于癫痫发作后期，若是，则将该脑电信号分入X4段；所述a的值为4。3.根据权利要求2所述的癫痫发作预测系统，其特征在于，所述X1段脑电信号的频率为0.5～3.5Hz；所述X2段脑电信号的频率为4～8Hz；所述X3段脑电信号的频率为8～13Hz；所述X4段脑电信号的频率为13～30Hz。4.根据权利要求1所述的癫痫发作预测系统，其特征在于，所述特征信息提取模块，包括：波动指数特征提取子模块，用于根据波动指数计算公式提取脑电信号的波动指数，所述波动指数计算公式如下：其中，X表示脑电信号，t表示时间，T表示脑电信号时长；变换系数特征提取子模块，用于根据变换系数计算公式提取脑电信号的变换系数，所述变换系数计算公式如下：其中，X表示脑电信号，t表示时间，T表示脑电信号时长；
活动性特征提取子模块，用于根据活动性计算公式提取脑电信号的活动性，所述活动性计算公式如下:其中，X表示脑电信号，t表示时间，T表示脑电信号时长；峰度特征提取子模块，用于根据峰度计算公式提取脑电信号的峰度，所述峰度计算公式如下:其中，X表示脑电信号，E表示期望值计算，mean表示均值计算，std表示标准差计算；偏度特征提取子模块，用于根据偏度计算公式提取脑电信号的偏度，所述偏度计算公式如下:其中，X表示脑电信号，E表示期望值计算，mean表示均值计算，std表示标准差计算；尖端值特征提取子模块，用于根据尖端值计算公式提取脑电信号的尖端值，所述尖端值计算公式如下:Peak＝max(abs(max(X)),abs(min(X)))其中，X表示脑电信号，max表示最大值计算，abs表示绝对值计算，min表示最小值计算；波形因子特征提取子模块，用于根据波形因子计算公式提取脑电信号的波形因子，所述波形因子计算公式如下:其中，X表示脑电信号，rms表示均方根计算，mean表示均值计算；脉冲因子特征提取子模块，用于根据脉冲因子计算公式提取脑电信号的脉冲因子，所述脉冲因子计算公式如下：其中，X表示脑电信号，max表示最大值计算，min表示最小值计算，mean表示均值计算；峰值因子特征提取子模块，用于根据峰值因子计算公式提取脑电信号的峰值因子，所述峰值因子计算公式如下：其中，X表示脑电信号，max表示最大值计算，min表示最小值计算，rms表示均方根计算；特征矩阵获取子模块，用于获取脑电信号的特征矩阵，所述脑电信号的特征矩阵表示
为Feature(F,V
c
,Activity,Skew,Kurt,Peak,WF,PF,PeakF)；其中，F表示为波动指数，V
c
表示变换系数，Activity表示活动性，Skew表示峰度，Kurt表示偏度，Peak表示尖端值，WF表示波形因子，PF表示脉冲因子，PeakF表示峰值因子。5.根据权利要求1所述的癫痫发作预测系统，其特征在于，所述特征滤波处理模块，包括：平滑滤波处理子模块和数据样本获取子模块；平滑滤波处理子模块，...

【专利技术属性】
技术研发人员：陈财，张昔坤，李文超，彭福来，王星维，韩玉杰，王琳，李光林，
申请(专利权)人：山东中科先进技术研究院有限公司，
类型：发明
国别省市：