一种癫痫患者脑电高频振荡信号的自动检测方法技术

本发明专利技术提出了一种癫痫患者脑电高频振荡信号的自动检测方法，可技术转化后用于癫痫患者脑电信号的自动诊断，并用于指示癫痫致痫灶的起始部位。本方法包括原始数据集采集模块S1、源域数据集生成模块S2、目标域数据集生成模块S3、源域/目标域数据特征提取模块S4、域对抗训练模块S5、分类结果输出模块S6。其中，S1用于采集心律失常患者心电信号与癫痫患者脑电信号；S2用于将心律失常患者心电信号处理成带标签的源域数据集；S3用于将癫痫患者脑电信号处理成不带标签的目标域数据集；S4用于提取源域/目标域数据集的数据特征；S5用于域对抗模型训练，通过对抗学习源域/目标域数据特征消除域差异；S6用于输出域对抗模型最终的分类结果。本方法有助于解决脑电高频振荡信号获取难以及临床人工标签标记困难的问题。以及临床人工标签标记困难的问题。以及临床人工标签标记困难的问题。

【技术实现步骤摘要】
一种癫痫患者脑电高频振荡信号的自动检测方法


[0001]本专利技术设计一种癫痫患者脑电高频振荡信号的自动检测方法，属于医学信号处理领域。

技术介绍

[0002]癫痫是一种常见的神经系统疾病，严重影响着全世界7000多万人，服用抗癫痫药物是控制癫痫发作的主要途径。然而，大约有30％的患者癫痫发作难以通过药物控制，这些患者被诊断为反复发作性癫痫。目前，通过手术切除致痫区是这些难治性癫痫最有效的治疗方法。临床癫痫发作发生的皮层区域可以表示为癫痫发作区(seizure onset zone,SOZ)，因此准确定位癫痫SOZ对于术前评估至关重要。
[0003]癫痫棘波(低于40Hz)通常用于检测癫痫发作。然而，这种尖峰很容易受到其它信号的影响，导致错误结果。最近，高频振荡(high frequency oscillation,HFOs)引起了越来越多的关注，高频振荡被定义为短时小幅度的脑电信号片段，它有不少于四个连续的振荡，可以区别于背景噪声。这些HFO可用于癫痫定位，因为它们在定位癫痫SOZ时比棘波具有更高的特异性。根据其频率范围，这些HFO分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种癫痫患者脑电高频振荡信号的自动检测方法，其特征在于包括原始数据集采集模块S1、源域数据集生成模块S2、目标域数据集生成模块S3、源域数据集/目标域数据集的数据特征提取模块S4、域对抗训练模块S5、分类结果输出模块S6；具体步骤为：S1：原始数据集采集模块采集心律失常患者心电信号与癫痫患者脑电信号，其中，癫痫患者脑电信号包括头皮脑电信号，颅内皮层脑电信号或者颅内立体脑电信号；S2：源域数据集生成模块将心律失常患者心电信号处理成带标签的源域数据集；S3：目标域数据集生成模块将癫痫患者脑电高频振荡信号处理成不带标签的目标域数据集，其中脑电高频振荡信号是指脑电信号中频率为80～500Hz、具有至少4个连续波峰的高频振荡波形；S4：源域数据集/目标域数据集的数据特征提取模块提取源域和目标域数据集的数据特征；S5：域对抗训练模块通过无监督方式对抗学习源域/目标域数据集特征并消除域差异；S6：分类结果输出模块输出最终的高频振荡信号或非高频振荡信号的分类结果，其中检测出的高频振荡信号所在的脑电通道用于指示癫痫致痫灶的起始部位。2.如权利要求1所述的一种癫痫患者脑电高频振荡信号的自动检测方法，其特征在于，所述步骤S1中的原始数据集采集具体包括如下步骤：S11.设置颅内脑电信号采集参数；S12.设置心电信号采集参数；S13.导出心电信号和脑电信号数据集。3.如权利要求1所述的一种癫痫患者脑电高频振荡信号的自动检测方法，其特征在于，所述步骤S2中的源域数据集生成具体包括如下步骤：S21.对临床获得的心律失常心电信号进行降采样；S22.使用一个带通滤波器，去除信号中的高频噪声；S23.使用一个中值滤波器，去除信号中的基线漂移；S24.使用一个平滑滤波器，去除信号中的锯齿波形和毛刺；S25.对信号进行连续分割，将信号截成不重叠片段；S26.对信号片段进行小波变化，生成小波时频图作为源域数据S。4.如权利要求1所述的一种癫痫患者脑电高频振荡信号的自动检测方法，其特征在于，所述步骤S3中的目标域数据集生成具体包括如下步骤：S31.对采集的癫痫患者发作间期脑电数据进行分段；S32.使用一个陷波滤波器，去除信号中的工频干扰；S33.使用一个带通滤波器，去...

【专利技术属性】
技术研发人员：赖大坤，康同舟，李恩，高勇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：