一种基于卷积变分自编码器的无监督脑电高频振荡信号自动检测方法技术

本发明专利技术公开了一种基于卷积变分自编码器的无监督脑电高频振荡信号(HFOs)自动检测方法。本发明专利技术包括：脑电信号预处理模块，对机器记录的原始脑电信号进行切片、筛选、滤波器滤波和归一化处理；短时能量法预筛选模块，运用短时能量法筛选出所有疑似HFOs；小波变换及提取时频图的红色分量模块，运用小波变换生成时频图并提取时频图的红色分量；卷积变分自编码器提取高维特征模块，对于得到的图像，提取高维特征，并对其进行降维处理；K

【技术实现步骤摘要】
一种基于卷积变分自编码器的无监督脑电高频振荡信号自动检测方法


[0001]本专利技术设计一种基于卷积变分自编码器的无监督脑电高频振荡信号自动检测方法，属于医学信号处理领域。

技术介绍

[0002]尽管大约70％的癫痫患者可以通过抗癫痫药物来控制他们的症状，但是仍有约30％的癫痫患者只能通过手术切除致痫灶来得到进一步的治疗。因此，精确定位致痫灶也是成功手术的关键。近十几年的研究发现，颅内脑电中的脑电高频振荡信号(High Frequency Oscillations,HFOs)可以作为致痫灶可靠生物标记物。与传统的致痫灶生物标志物棘波相比，HFOs是一种更有效的致痫灶生物标志物。
[0003]HFOs通常被定义为短时小幅度的脑电信号片段，其具有两个重要的组成部分，分别是涟波(80
‑
250Hz)和快涟波(250
‑
500Hz)。研究指出HFOs检测的金标准是人工识别，但是这种方法会消耗大量的人力和时间，并且检测效果会因人而异。因此亟需一种HFOs自动检测方法来代替人工识别，以提高HFOs检测效率节省时间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积变分自编码器的无监督脑电高频振荡信号自动检测方法，其特征在于包括预处理颅内脑电数据、预检测脑电高频振荡信号、疑似脑电高频振荡信号的时频分析、基于卷积变分自编码器和K
‑
means算法的脑电高频振荡信号自动检测,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；具体步骤为：第一步，预处理颅内脑电数据：1
‑
1.编辑双极导联脑电信号，筛选出没有损坏和大量噪声的通道。1
‑
2.对获得的颅内脑电数据进行滤波处理，并修正数据中的异常值。第二步，预检测脑电高频振荡信号：2
‑
1.计算步骤1
‑
2预处理之后的脑电数据的短时能量，并根据预先选定好的阈值来检测出疑似高频振荡信号。获得具有相同采样点数的疑似高频振荡信号片段。2
‑
2.采用基于MATLAB的用户交互界面对2
‑
1中获得的疑似高频振荡信号进行标注。第三步，疑似高频振荡信号的时频分析：3
‑
1.对每一个疑似高频振荡信号片段进行连续小波变换，获得二维时频量图。3
‑
2.提取二维时频图的红色通道分量，生成灰度图，然后对生成的灰度图进行降维处理。第四步，基于卷积变分自编码器和K
‑
means算法的高频振荡信号自动检测：4.1.将红色分量的时频图作为卷积变分自编码器的输入，编码器将自动对红色分量时频图降噪与提取高维特征。4.2.获得由卷积变分自编码器重构后的红色分量时...

【专利技术属性】
技术研发人员：赖大坤，钟岚烽，李未来，向炜曦，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：