【技术实现步骤摘要】
基于多通道脑电智能筛选与加权样本生成的棘波检测方法
[0001]本专利技术属于脑电信号处理领域，涉及一种基于多通道脑电智能筛选与加权样本生成的棘波检测方法。
技术介绍
[0002]癫痫是常见的慢性神经系统疾病，严重威胁儿童、成人的生命健康。棘波以及其复合波形是癫痫发作的病理性基础，棘波放电时间以及放电位置等相关参数具有较大意义，确定这些参数的首要步骤就是棘波检测。
[0003]现有的棘波检测方法从其输入的脑电数据维度可以分为两种，分别是基于单通道脑电数据和多通道脑电数据。基于单通道数据的方法数据量少，特征提取和建立分类模型的方法较为简单，检测速度较快；基于多通道数据的方法考虑到了电信号传导的物理模型，通过多通道间的特征来实现检测精度的提高。这些检测方法存在以下缺点：
[0004]1.基于单通道数据的方法缺少同一时刻其他脑电通道的信息，对一些类似棘波的伪迹识别效果较差；
[0005]2.基于多通道数据的方法相较于前者算法复杂度高、耗时长，且非棘波通道数据也有可能对识别造成干扰。
[0006]本专...
【技术保护点】
【技术特征摘要】
1.基于多通道脑电智能筛选与加权样本生成的棘波检测方法，其特征在于，包括如下步骤：步骤1、利用多种脑电波形特征基于阈值法对脑电各个通道数据进行样本筛选，并通过筛选结果汇总得到多通道棘波候选样本信息，再基于棘波放电的多通道特征对其进行伪迹去除，最终通过数据分割得到多通道棘波候选样本；所述的多通道棘波候选样本信息包括可能存在的棘波放电事件的放电时间和通道分布信息；所述的伪迹去除基于双极导联方式脑电图下棘波放电所特有的“针锋相对”现象对多通道棘波候选样本信息中不满足上述现象的干扰信息进行排除；所述数据分割指根据所得的多通道棘波候选样本信息在输入脑电信号上进行分割，获得多通道棘波候选样本；步骤2、对所得多通道棘波候选样本进行数据分析，并基于最优通道进行多种权值计算，最终通过加权算法由多通道棘波候选样本生成单通道候选样本数据；所述数据分析指基于振幅和波形相似度确定候选样本各通道中最有可能存在棘波放电的通道；所述权值包括基于振幅、波形相似度和与最优通道距离的三种权值；所述加权算法指基于上述所得的三种权值对多通道候选样本的各通道数据进行加权和，最终得到单通道样本数据；步骤3、利用单通道棘波分类算法完成对生成数据的分类检测；所述单通道棘波分类算法指基于时序特征和LSTM网络架构的单通道检测算法，检测流程包括样本时序特征提取、特征融合和堆叠Bi
‑
LSTM神经网络分类。2.根据权利要求1所述的基于多通道脑电智能筛选与加权样本生成的棘波检测方法，其特征在于，所述步骤1的具体实现如下：1
‑
1.将原始输入的多通道脑电中各通道数据通过1
‑
70HZ带通滤波器和50HZ陷波滤波器进行基础频域滤波，处理所得数据用于后续的数据分析；1
‑
2.脑电各条通道上初始棘波候选样本的放电时间通过极小值点来确定，并进一步计算以各样本的5种波形特征，包括振幅、持续时长、左半波斜率、右半波斜率和总体斜率，各特征利用阈值法对样本进行筛选，通过筛选的样本需满足全部阈值条件，最终得到所有通道上的疑似发生棘波放电的单通道棘波候选样本信息；其中阈值法所用的阈值超参数是基于蒙特卡洛方法计算的5种特征数据库99.9％置信区间的上下限所确定的，用于统计分析的数据集来自已有标记的棘波样本数据库；1
‑
3.得到全部单通道棘波候选样本信息后，对所有通道的标记信息进行汇总，得到多通道候选棘波样本信息，包括候选棘波放电时间与通道分布信息；通道标记信息汇总准如下：当不同通道候选棘波的放电时间差小于0.02秒时，根据棘波放电生成和传导模型，认定这些在不同通道电极上所检测到的放电现象是大脑内部同一个放电源所导致的，在此情况下就进行信息汇总，所得的多通道棘波候选样本信息中的候选棘波放电时间为所有单通道样本放电时间的均值，通道分布信息则记录样本组内出现的所有通道编号；1
‑
4.双极导联方式下的脑电数据对极性改变明显的波形进行定位和分析时，有相较于参考导联方式下数据更为明显的特征，临床上将由于棘波放电导致的特征现象称之为“针锋相对”，描述为在第一个个出现正向波的双极导联通道后电极与最后一个出现负向波的双极导联通道前电极之间的所有电极才有可能出现棘波放电；基于此现象，对多通道候选
棘波样本信息进行伪迹去除，步骤如下：(1)获取有记录到出现候选棘波放电现象通道相关的双极导联脑电数据；(2)依次遍历各个多通道棘波候选样本信息对应双极导联数据，...
【专利技术属性】
技术研发人员：曹九稳，徐镇迪，崔小南，王天磊，蒋铁甲，高峰，
申请(专利权)人：杭州电子科技大学，
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。