基于最优模板匹配和形态特征提取的BECT棘波检测方法技术

本发明专利技术提供了一种基于最优模板匹配和形态特征提取的BECT棘波检测方法，主要分为以下步骤：(1)采集脑电信号(EEG)，建立数据库；(2)EEG信号预处理：(3)通用模板匹配：使用一个固定的模板进行模板匹配；(4)棘波聚类检测：用K

【技术实现步骤摘要】
基于最优模板匹配和形态特征提取的BECT棘波检测方法


[0001]本专利技术涉及计算机领域，尤其涉及一种基于最优模板匹配和形态特征提取的BECT棘波检测方法。

技术介绍

[0002]儿童良性癫痫伴中央颞区棘波(Benign epilepsy with centro
‑
temporal spikes,BECT)又称儿童良性Rolandic癫痫，是儿童最常见的局灶性癫痫，5
‑
8岁是高峰发病期。在学龄儿童的癫痫中，本病约占15％～25％。越来越多的研究表明患有BECT的儿童在智力和心理等方面的表现比同龄人差。
[0003]脑电图(Electroencephalogram，EEG)是癫痫诊断和治疗效果评估过程中最重要的一项检查工具，蕴含了丰富的脑部电生理信息，对癫痫的临床诊断、病例分析和预后诊疗有重大意义。BECT患者脑电图放电波形及特点具有特征性。癫痫样放电多为棘波或棘慢波，放电主要分布于双侧中央
‑
中颞区，同步或不同步出现，有时只出现于一侧。放电在清醒期相对较少，睡眠期放电明显增多。临本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最优模板匹配和形态特征提取的BECT棘波检测方法，其特征在于，至少包括以下步骤：步骤S1：采集EEG脑电信号；选取实验对象，采用国际10
‑
20标准给患者佩戴脑电采集设备采集BECT患者的多通道脑电数据，建立实验数据库；步骤S2：数据预处理；对采集到的原始EEG数据进行FIR带通滤波得到标准EEG信号；步骤S3：通用模板匹配，先用一个固定参数的模板来进行模板匹配，模板宽度为300ms，幅值为300μV，通过计算模板与尖峰波形的相似度来从EEG信号中提取候选棘波；步骤S4：棘波聚类检测；分为K
‑
means聚类和自适应模板匹配两部分；首先采用K
‑
means聚类方法对通用模板匹配的结果进行聚类，可以得到若干个类；然后统计每个类里候选棘波的数量，若该类里候选棘波数小于总候选棘波数的2％，则剔除这个类；最后把每个类的质心作为新的模板进行自适应模板匹配，将所有的匹配结果相加，可以进一步的从EEG信号中提取尖峰波形；然而，在这个过程中容易出现尖峰距离较近的候选棘波，当尖峰距离小于55ms时，则把这两个棘波合并为一个棘波；步骤S5：最优模板匹配：分为优化通用模板和棘波聚类检测两部分；由于通用模板的不合适，可能导致模板并不能最优的从当前EEG信号中提取候选棘波，所以采用PSO算法来优化通用模板，动态寻找通用模板最优宽度和幅值；然后再进行聚类模板检测，尽可能的从EEG信号中提取棘波；步骤S6：假阳性棘波消除，分为“针锋相对”和棘波形态特征提取两部分，首先根据AV通道脑电信号的候选棘波来确定每个候选棘波的两个相关BP通道，然后根据BP通道上的“针锋相对”现象消除部分误检棘波；然后计算AV通道和BP通道候选棘波周围的曲率，当超过某个曲率阈值时就判定为开始点或结束点，棘波左边第一个超过曲率阈值的点是棘波开始点，右边第一个超过曲率阈值的点是棘波结束点，进一步消除棘波宽度和幅值不符的假阳性棘波；在消除完假阳性棘波后，就得到了最终的BECT棘波检测结果。2.根据权利要求1所述的基于最优模板匹配和形态特征提取的BECT棘波智能检测方法...

【专利技术属性】
技术研发人员：吴端坡，石海超，蒋铁甲，高峰，袁瞻兴，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：