本发明专利技术属于医疗设备技术领域，具体涉及一种癫痫发作判断模型的建模方法、癫痫监控方法及装置。针对现有技术中，癫痫监控装置对癫痫发作判断的准确性不足的问题，本发明专利技术的技术方案是：采集癫痫患者的至少两种生理信息，并改进了建模方法，将模型分为两层，第一层模型为各种传感器检测到的生理信号分别进行训练后得到的判断模型，之后根据第一层模型的判断结果，再次训练得到第二层模型用于最终结果的判断。本发明专利技术还提供用于该监控方法的装置。本发明专利技术提供的模型应用于癫痫监控使得使用多种传感器协同监控癫痫患者判断癫痫发作的准确性更高，使得癫痫患者发作时能够及时得到帮助，避免意外发生。避免意外发生。避免意外发生。
【技术实现步骤摘要】
一种癫痫发作判断模型的建模方法、癫痫监控方法及装置
[0001]本专利技术属于医疗设备
，具体涉及一种癫痫发作判断模型的建模方法、癫痫监控方法及装置。
技术介绍
[0002]癫痫的发作具有随机性的，难以预测发作的时间，因此患者可能时刻面临癫痫发作的危险，及其它连锁反应带来的危险，比如在睡梦中发作，可能会意外掩盖口鼻导致窒息死亡，在无人监护时发作可能跌倒导致意外伤害等。
[0003]因此针对癫痫患者，现有技术中开发出了各种癫痫发作报警系统，其目的在于及时通知患者的监护人和护理人员对患者提供帮助，并且同时记录下患者的发作情况，形成发作日志，以便于医师进行诊治，为临床医学提供新的随访方式和辅助治疗方式。
[0004]例如，中国专利“CN111643092A-一种癫痫报警装置及癫痫检测方法”公开了利用运动传感器监控癫痫发作及其数据处理方法。中国专利“CN101340846-医学状况的检测和报警装置”公开了一种利用运动传感器与心电传感器结合来分析癫痫发作的装置。中国专利“CN109480833A-基于人工智能的癫痫患者脑电信号的预处理和识别方法”，公开了通过脑电分析癫痫发作时的数据，并且公开了在分析癫痫患者的脑电数据时，应当提出肌电信号的数据。
[0005]目前，该类癫痫监控装置的问题在于对癫痫发作判断的准确性不足，若单用一种生理传感器的数据进行分析，容易出现假阳性(FP，False positive)和假阴性(FN，False negative)的错误判断；若采用多种生理传感器进行协同测试判断，则存在当多种生理传感器的判断结果矛盾时如何准确得出最终判断结果的问题。
技术实现思路
[0006]针对现有技术中，癫痫监控装置对癫痫发作判断的准确性不足的问题，本专利技术提供一种癫痫发作判断模型的建模方法、癫痫监控方法及装置，其目的在于：提供多种生理传感器协同对癫痫患者进行监控的方法、装置，并提供了利用多种生理传感器采集的数据对癫痫发作判断模型进行建模和训练的方法，从而提高了癫痫发作判断结果的准确性的效果。
[0007]一种癫痫发作自动识别模型的建模方法，包括如下步骤：
[0008](1)采集癫痫监控对象的至少两种类型的生理信号，所述生理信号包括癫痫发作时的生理信号及未发作时的生理信号；
[0009](2)对每一种生理信号的数据进行处理得到训练数据集，所述训练数据集包括特征构成特征向量和对应时刻癫痫是否发作构成的结果向量，对每一种生理信号选择一个模型，利用所述训练数据集对所选择的模型训练，得到第一层模型；
[0010](3)将第一层模型的预测结果作为新的特征得到新的特征向量，根据所述新的特征向量和对应时刻癫痫是否发作构成的结果向量得到新的训练数据集，选择模型，利用新
的训练数据集对所选择的模型进行训练，得到第二层模型。
[0011]优选的，生理信号包括运动信号、肌电信号、体温信号、皮肤电活动信号或心电信号中的至少两种；
[0012]优选的，所述运动信号包括三轴加速度和/或三轴陀螺仪采集到的三个轴上的加速度、合加速度、三个轴上的角速度和合角速度中的至少一种；
[0013]优选的，生理信号为运动信号和肌电信号两种，或为运动信号、肌电信号和心电信号三种。
[0014]优选的，步骤(2)中，所述特征包括生理信号的时域特征和频域特征的至少一种，所述时域特征包括最大值、最小值、均值、均方根、方差、标准差、上下四分位差、持续时间、最大最小值差值、过零率和能量的至少一种，所述频域特征包括小波变换、短时傅里叶变换、维格纳分布和匹配小波变换中的至少一种进行变换后提取的特征；
[0015]优选的，所述生理信号包括心电信号，所述特征包括心率、心率变异性和RR间期长度中的至少一种。
[0016]优选的，步骤(2)中，所述生理信号的数据的处理具体包括如下步骤：
[0017](a)对采集到的生理传感器的数据进行低通滤波，去除高频信号；
[0018](b)将生理传感器的数据进行分割，得到有效的活动片段；
[0019](c)对步骤(b)得到的有效的活动片段进行提取得到特征，并对特征进行归一化处理；
[0020](d)对步骤(c)得到的特征进行特征工程，得到用于构成所述训练数据集的特征；
[0021]优选的，所述对数据进行分割的步骤包括：筛选出生理传感器的数据中活动片段，合并相邻时间间隔小于阈值B的活动片段，舍弃持续时间小于阈值C的活动片段；所述B值的选择取决于癫痫监控对象一次发作事件中多次阵挛间停顿的时间，所述C值的选择取决于癫痫监控对象一次发作事件持续的时间；
[0022]优选的，所述生理传感器的数据包括合加速度，步骤(b)筛选出生理传感器的数据中活动片段的具体步骤为：使用长度为L的滑动窗，以半窗口长度L/2为步长进行滑动，每次滑动后对滑动窗内的合加速度计算标准差，当标准差大于阈值A时，判断为活动开始；当连续T时间内的滑动窗内标准差都小于阈值A时，判断为活动结束；从活动开始到活动结束构成一个活动片段；所述L为1-5秒，所述A的选择取决于癫痫监控对象癫痫发作的阵挛频率，所述T的选择取决于癫痫监控对象发作的持续时间；
[0023]优选的，所述特征工程的方法包括特征选择和特征降维中的至少一种，所述特征选择包括过滤式特征选择法、包装式特征选择或嵌入式特征选择中的至少一种，所述特征降维包括主成分分析法或线性判别分析中的至少一种。
[0024]优选的，步骤(2)和步骤(3)中，模型训练通过N折交叉检验进行。
[0025]优选的，步骤(2)和步骤(3)中，所述第一层模型和第二层模型为模型训练中得到的代价函数最小的模型，所述代价函数为：
[0026]cost(β)＝-[2
×
sensitivity(β)+PPV(β)]，
[0027]其中，β为模型中的参数，sensitivity(β)为模型的灵敏度，PPV(β)为模型的真阳性概率。
[0028]优选的，步骤(2)和步骤(3)中模型选自逻辑回归模型、自适应提升算法、梯度下降
决策树模型、分类提升算法、极端梯度提升模型、支持向量机模型或随机森林模型。
[0029]本专利技术还提供一种癫痫监控方法，包括如下步骤：
[0030](Ⅰ)实时采集癫痫监控对象的至少两种类型的生理信号；
[0031](Ⅱ)对生理信号的数据进行处理得到特征构成的检测数据；
[0032](Ⅲ)将检测数据输入上述建模方法得到的第一层模型中进行预测，将预测结果作为新的特征并作为检测数据输入上述建模方法得到的第二层模型中进行预测，得到癫痫是否发作的实时结果。
[0033]本专利技术还提供一种用于上述癫痫监控方法的装置，包括第一微处理器，所述第一微处理器的通过电路或无线传输模块连接有至少两种生理传感器，所述第一微处理器的输入端还设置有发作标记键，所述第一微处理器的输出端还连接有警报模块。
[0034]优选的，包括可穿戴环装本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种癫痫发作自动识别模型的建模方法，其特征在于，包括如下步骤：(1)采集癫痫监控对象的至少两种类型的生理信号，所述生理信号包括癫痫发作时的生理信号及未发作时的生理信号；(2)对每一种生理信号的数据进行处理得到训练数据集，所述训练数据集包括特征构成特征向量和对应时刻癫痫是否发作构成的结果向量，对每一种生理信号选择一个模型，利用所述训练数据集对所选择的模型训练，得到第一层模型；(3)将第一层模型的预测结果作为新的特征得到新的特征向量，根据所述新的特征向量和对应时刻癫痫是否发作构成的结果向量得到新的训练数据集，选择模型，利用新的训练数据集对所选择的模型进行训练，得到第二层模型。2.按照权利要求1所述的一种癫痫发作判断模型的建模方法，其特征在于：所述生理信号包括运动信号、肌电信号、体温信号、皮肤电活动信号或心电信号中的至少两种；优选的，所述运动信号包括三轴加速度和/或三轴陀螺仪采集到的三个轴上的加速度、合加速度、三个轴上的角速度和合角速度中的至少一种；优选的，生理信号为运动信号和肌电信号两种，或为运动信号、肌电信号和心电信号三种。3.按照权利要求1所述的一种癫痫发作判断模型的建模方法，其特征在于，步骤(2)中，所述特征包括生理信号的时域特征和频域特征的至少一种，所述时域特征包括最大值、最小值、均值、均方根、方差、标准差、上下四分位差、持续时间、最大最小值差值、过零率和能量的至少一种，所述频域特征包括小波变换、短时傅里叶变换、维格纳分布和匹配小波变换中的至少一种进行变换后提取的特征；优选的，所述生理信号包括心电信号，所述特征包括心率、心率变异性和RR间期长度中的至少一种。4.按照权利要求1所述的一种癫痫发作判断模型的建模方法，其特征在于，步骤(2)中，所述生理信号的数据的处理具体包括如下步骤：(a)对采集到的生理传感器的数据进行低通滤波，去除高频信号；(b)将生理传感器的数据进行分割，得到有效的活动片段；(c)对步骤(b)得到的有效的活动片段进行提取得到特征，并对特征进行归一化处理；(d)对步骤(c)得到的特征进行特征工程，得到用于构成所述训练数据集的特征；优选的，所述对数据进行分割的步骤包括：筛选出生理传感器的数据中活动片段，合并相邻时间间隔小于阈值B的活动片段，舍弃持续时间小于阈值C的活动片段；所述B值的选择取决于癫痫监控对象一次发作事件中多次阵挛间停顿的时间，所述C值的选择取决于癫痫监控对象一次发作事件持续的时间；优选的，所述生理传感器的数据包括合加速度，步骤(b)筛选出生理传感器的数据中活动片段的具体步骤为：使用长度为L的滑动窗，以半窗口长度L/2为步长进行...
【专利技术属性】
技术研发人员：陈蕾，王云峰，商春恒，董春娇，廖曦文，赖婉琳，
申请(专利权)人：中国科学院微电子研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。