新生儿电惊厥类型确定方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种新生儿电惊厥类型确定方法、装置、计算机设备和存储介质。所述方法包括：获取待测新生儿的原始脑电信号数据；对原始脑电信号数据进行预处理，得到预处理后的脑电信号数据；对脑电信号数据进行特征数据提取，得到待测新生儿的脑电信号特征；根据脑电信号特征，确定待测新生儿的电惊厥类型。采用本方法能够提升新生儿电惊厥类型确定准确性。本方法能够提升新生儿电惊厥类型确定准确性。本方法能够提升新生儿电惊厥类型确定准确性。

【技术实现步骤摘要】
新生儿电惊厥类型确定方法、装置、设备和存储介质


[0001]本申请涉及医疗信息检测
，特别是涉及一种新生儿电惊厥类型确定方法、装置、设备和存储介质。

技术介绍

[0002]新生儿惊厥是临床中最常见且急需诊治的危重症之一。在新生儿期，惊厥往往是中枢神经系统疾病的首发且唯一的临床表型。
[0003]在传统方式中，通过使用matlab和python代码等提取脑电信号值，并按医生的经验进行分析。从而，新生儿电惊厥类型的确定不够智能化，且缺乏针对新生儿脑电图的一体化信号提取框架，从而使得对新生儿电惊厥确定不够准确。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种提升新生儿电惊厥类型确定准确性的新生儿电惊厥类型确定方法、装置、设备和存储介质。
[0005]一种新生儿电惊厥类型确定方法，所述方法包括：
[0006]获取待测新生儿的原始脑电信号数据；
[0007]对原始脑电信号数据进行预处理，得到预处理后的脑电信号数据；
[0008]对脑电信号数据进行特征数据提取，得到待测新生儿的脑电信号特征；
[0009]根据脑电信号特征，确定待测新生儿的电惊厥类型。
[0010]在其中一个实施例中，根据脑电信号特征，确定新生儿的电惊厥类型，包括：
[0011]根据脑电信号特征，确定新生儿的电惊厥状态；
[0012]当电惊厥状态指示新生儿发生电惊厥时，基于脑电信号特征以及预先构建的电惊厥信号矩阵，确定新生儿的电惊厥类型。
[0013]在其中一个实施例中，电惊厥信号矩阵的构建方法包括：
[0014]获取新生儿的历史脑电信号数据；
[0015]根据历史脑电信号数据，确定新生儿发生电惊厥时的电惊厥时间区间以及非电惊厥时间区间；
[0016]基于历史脑电信号数据，确定对应各电惊厥时间区间以及非电惊厥时间区间的区间脑电信号特征；
[0017]根据电惊厥时间区间、非电惊厥时间区间以及各区间脑电信号特征，构建电惊厥信号矩阵。
[0018]在其中一个实施例中，根据脑电信号特征，确定新生儿的电惊厥状态为通过预先构建的电惊厥状态预测模型进行的，电惊厥状态预测模型包括第一预测模型和第二预测模型。
[0019]在其中一个实施例中，第一预测模型的训练方式包括；
[0020]获取训练数据集，训练数据集包括多个训练数据，各训练数据包括对应新生儿的
脑电信号数据的脑电信号特征；
[0021]对各训练数据进行窗口分割，得到对应各训练数据的多个训练子数据；
[0022]基于各训练子数据对应的脑电信号特征，确定各训练子数据所对应的电惊厥状态；
[0023]根据各训练子数据的电惊厥状态以及各训练子数据所对应的脑电信号特征，训练第一预测模型。
[0024]在其中一个实施例中，第二预测模型的训练方式包括：
[0025]根据各训练子数据的电惊厥状态，对训练数据所对应的训练子数据进行整合，得到整合后的训练子数据；
[0026]根据各整合后的训练子数据，确定训练数据的电惊厥状态；
[0027]根据训练数据集以及各训练数据的电惊厥状态，对第二预测模型进行训练。
[0028]在其中一个实施例中，对脑电信号数据进行特征数据提取，得到待测新生儿的脑电信号特征，包括：
[0029]对脑电信号数据进行频段分解处理，得到多个频段的脑电信号数据；
[0030]对各频段的脑电信号数据进行信号通道的拆分，得到各频段中对应各信号通道的脑电信号数据；
[0031]对各信号通道的脑电信号数据进行振幅特征、频谱特征以及脑电信号宽度特征的提取，得到第一信号特征数据；
[0032]对各信号通道进行频谱相关特征的提取，得到第二信号特征数据；
[0033]对各频段进行连通性相关特征的提取，得到第三信号特征；
[0034]基于第一信号特征、第二信号特征以及第三信号特征，得到待测新生儿的脑电信号特征。
[0035]一种新生儿电惊厥类型确定装置，所述装置包括：
[0036]获取模块，用于获取待测新生儿的原始脑电信号数据；
[0037]预处理模块，用于对原始脑电信号数据进行预处理，得到预处理后的脑电信号数据；
[0038]特征提取模块，用于对脑电信号数据进行特征数据提取，得到待测新生儿的脑电信号特征；
[0039]电惊厥类型确定模块，用于根据脑电信号特征，确定待测新生儿的电惊厥类型。
[0040]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
[0041]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
[0042]上述新生儿电惊厥类型确定方法、装置和设备中，通过获取待测新生儿的原始脑电信号数据；对原始脑电信号数据进行预处理，得到预处理后的脑电信号数据；对脑电信号数据进行特征数据提取，得到待测新生儿的脑电信号特征；根据脑电信号特征，确定待测新生儿的电惊厥类型。从而，通过对获取到的原始脑电信号数据进行预处理，然后在进行后续处理，使得预处理可以剔除影响结果判定的数据，可以提升电惊厥类型确定的准确性。进一步，电惊厥类型的确定基于脑电信号数据进行特征提取后得到的脑电信号特征进行的，可
以根据实际应用进行特征提取以及应用，可以进一步提升电惊厥类型确定的准确性。进一步，本方案中，电惊厥类型确定的过程无需人工参与，可以提升数据处理的智能化水平，且减少了人工个人主观因素的影响，可以进一步提升电惊厥类型确定的准确性。
附图说明
[0043]图1为一个实施例中新生儿电惊厥类型确定方法的应用场景图；
[0044]图2为一个实施例中新生儿电惊厥类型确定方法的流程示意图；
[0045]图3为一个实施例中脑电图采集的标准导联放置示意图；
[0046]图4为一个实施例中脑电信号特征提取的流程示意图；
[0047]图5为一个实施例中电惊厥信号矩阵建立的示意图；
[0048]图6为一个实施例中第一预测模型的训练流程图；
[0049]图7为一个实施例中第二预测模型的训练流程图；
[0050]图8为一个实施例中模型预测的流程图；
[0051]图9为一个实施例中预测模型的预测结果示意图；
[0052]图10为一个实施例中预测模型的准确性示意图；
[0053]图11为一个实施例中惊厥类型聚类分析结果示意图；
[0054]图12～图14为一个实施例中三类电惊厥类型的定量电惊厥形式以及对应相关参数的示意图；
[0055]图15为一个实施例中三类电惊厥类型与临床病因的相关性分析示意图；
[0056]图16～图18为一个实施例中新生儿惊厥智能诊断软件的可视化界面示意图；
[0057]图19为一个实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新生儿电惊厥类型确定方法，其特征在于，所述方法包括：获取待测新生儿的原始脑电信号数据；对所述原始脑电信号数据进行预处理，得到预处理后的脑电信号数据；对所述脑电信号数据进行特征数据提取，得到所述待测新生儿的脑电信号特征；根据所述脑电信号特征，确定所述待测新生儿的电惊厥类型。2.根据权利要求1所述的方法，其特征在于，所述根据所述脑电信号特征，确定所述新生儿的电惊厥类型，包括：根据所述脑电信号特征，确定所述新生儿的电惊厥状态；当所述电惊厥状态指示所述新生儿发生电惊厥时，基于所述脑电信号特征以及预先构建的电惊厥信号矩阵，确定所述新生儿的电惊厥类型。3.根据权利要求2所述的方法，其特征在于，所述电惊厥信号矩阵的构建方法包括：获取新生儿的历史脑电信号数据；根据所述历史脑电信号数据，确定新生儿发生电惊厥时的电惊厥时间区间以及非电惊厥时间区间；基于所述历史脑电信号数据，确定对应各电惊厥时间区间以及非电惊厥时间区间的区间脑电信号特征；根据所述电惊厥时间区间、所述非电惊厥时间区间以及各所述区间脑电信号特征，构建电惊厥信号矩阵。4.根据权利要求2所述的方法，其特征在于，所述根据所述脑电信号特征，确定所述新生儿的电惊厥状态为通过预先构建的电惊厥状态预测模型进行的，所述电惊厥状态预测模型包括第一预测模型和第二预测模型。5.根据权利要求4所述的方法，其特征在于，所述第一预测模型的训练方式包括；获取训练数据集，所述训练数据集包括多个训练数据，各所述训练数据包括对应新生儿的脑电信号数据的脑电信号特征；对各所述训练数据进行窗口分割，得到对应各训练数据的多个训练子数据；基于各所述训练子数据对应的脑电信号特征，确定各训练子数据所对应的电惊厥状态；根据各所述训练子数据的电惊厥状态以及各所述训练子数据所对应的脑电信号特征，训练第一预测模型。6.根据权利...

【专利技术属性】
技术研发人员：董欣然，肖甜甜，许艳，卢宇蓝，
申请(专利权)人：复旦大学附属儿科医院，
类型：发明
国别省市：