一种脑电信号异常监测系统及方法技术方案

本发明专利技术提供一种脑电信号异常监测系统及方法，包括：对获取的脑电信号进行滤波和去噪；对预处理后的脑电信号进行经验模式分解，获取一系列固有模态函数，并确定预处理后的脑电信号经验模式分解的分解层数；根据所述分解层数对预处理后的脑电信号进行多分辨分析，获取一系列平滑信号以及细节信号；将所述固有模态函数和所述平滑信号以及细节信号进行信号融合，获取一系列融合分量；根据所述融合分量的样本熵和相关系数分别进行加权处理得到加权特征向量；以加权特征向量为训练样本训练极限学习机；计算待判断脑电信号的加权特征向量，并输入训练好的极限学习机中，输出待判断脑电信号是否异常。本发明专利技术的方法，减少了异常脑电信号的误判和漏判。的误判和漏判。的误判和漏判。

An abnormal EEG monitoring system and method

【技术实现步骤摘要】
一种脑电信号异常监测系统及方法


[0001]本专利技术涉及脑电信号监测
，特别涉及一种脑电信号异常监测系统及方法。

技术介绍

[0002]脑机接口是运用工程技术手段在人脑和计算机或者其他电子设备之间建立的脑电信号信息交流控制通道。脑电信号是人类脑部神经活动的外在表现，可用于对大脑活动进行监控和对大脑异常状态进行诊断，皮层脑电信号以其便于采集和高时间分辨率等优势被广泛用于脑科学研究领域。而现有的脑电信号异常监测技术存在以下缺点和不足：1.相关技术的脑电信号的异常监测仍然依赖于经验确定信号小波分解的程度，不能自适应的对信号进行分解。
[0003]2.对脑电信号进行判断的指标过于单一，且没有客观统一的监测标准，容易出现异常脑电信号的误判和漏判。
[0004]3.对脑电信号进行监测时，没有考虑脑电信号的动态特征。

技术实现思路

[0005]专利技术目的：针对现有技术中存在的问题，本专利技术提供一种脑电信号异常监测系统及方法。
[0006]技术方案：一方面，本专利技术提供一种脑电信号异常监测系统，所述系统包括：信号采集模块，信号处理模块以及显示模块；所述信号采集模块用于采集脑电信号；所述信号处理模块包括：信号预处理单元，经验模式分解单元，多分辨分析单元，信号融合单元，特征提取单元，识别单元；所述信号预处理单元用于对获取的脑电信号进行滤波和去噪；所述经验模式分解单元用于对预处理后的脑电信号进行经验模式分解，获取一系列固有模态函数，并确定预处理后的脑电信号经验模式分解的分解层数；所述多分辨分析单元用于根据所述分解层数对预处理后的脑电信号进行多分辨分析，获取一系列平滑信号以及细节信号；所述信号融合单元用于将所述固有模态函数和所述平滑信号以及细节信号进行信号融合，获取一系列融合分量；所述特征提取单元用于根据所述融合分量的样本熵和相关系数分别进行加权处理得到加权特征向量；所述识别单元以加权特征向量为训练样本训练极限学习机；计算待判断脑电信号的加权特征向量，并输入训练好的极限学习机中，输出待判断脑电信号是否异常。
[0007]所述显示模块用于显示所述识别单元的判断结果。
[0008]进一步的，所述信号预处理单元采用移动平均值法对获取的脑电信号进行滤波和
去噪。
[0009]进一步的，所述多分辨分析单元采用Mallat分解算法对预处理后的脑电信号进行多分辨分析。
[0010]进一步的，所述特征提取单元还包括：自适应权重计算单元，计算所述融合分量的方差，根据所述方差计算所述融合分量的自适应权重；样本熵计算单元，计算所述融合分量的样本熵；相关系数计算单元，计算所述融合分量的相关系数。
[0011]进一步的，所述识别单元采用粒子群算法优化极限学习机的输入权值和隐含层偏置值。另一方面，本专利技术提供一种脑电信号异常监测方法，所述方法包括以下步骤：步骤1：信号预处理，对获取的脑电信号进行滤波和去噪；步骤2：经验模式分解，对预处理后的脑电信号进行经验模式分解，获取一系列固有模态函数，并确定预处理后的脑电信号经验模式分解的分解层数；步骤3：多分辨分析，根据所述分解层数对预处理后的脑电信号进行多分辨分析，获取一系列平滑信号以及细节信号；步骤4：信号融合，将所述固有模态函数和所述平滑信号以及细节信号进行信号融合，获取一系列融合分量；步骤5：加权特征向量，根据所述融合分量的样本熵和相关系数分别进行加权处理得到加权特征向量；步骤6：以加权特征向量为训练样本训练极限学习机；计算待判断脑电信号的加权特征向量，并输入训练好的极限学习机中，输出待判断脑电信号是否异常。
[0012]进一步的，在步骤1中采用移动平均值法对获取的脑电信号进行滤波和去噪。
[0013]进一步的，在步骤3中采用Mallat分解算法对预处理后的脑电信号进行多分辨分析。
[0014]进一步的，步骤5还包括：步骤501：自适应权重，计算所述融合分量的方差，根据所述方差计算所述融合分量的自适应权重；步骤502：样本熵，计算所述融合分量的样本熵；步骤503：相关系数，计算所述融合分量的相关系数。
[0015]进一步的，在步骤6中采用粒子群算法优化极限学习机的输入权值和隐含层偏置值。
[0016]技术效果：本专利技术提供一种脑电信号异常监测系统及方法，将多分辨分析和经验模式分解两种方法结合起来可以更合理的确定小波分解层数，实现了对脑电信号进行自适应分解；本专利技术将固有模态函数和平滑信号以及细节信号进行信号融合，获取一系列融合分量，信号融合后的脑电信号综合反映了脑电信号本身的特征以及频率特性；本专利技术对样本熵和相关系数分别进行加权处理得到加权特征向量来表征脑电信号的动态特性，同时兼顾统一且多维的判断指标对脑电信号进行分析，减少了异常脑电信号的误判和漏判。
附图说明
[0017]图1为本专利技术实施例提供的一种脑电信号异常监测系统的结构图；图2为本专利技术实施例提供的特征提取单元的示意图；图3为本专利技术实施例提供的一种脑电信号异常监测方法的流程图。
具体实施方式
[0018]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]作为本专利技术实施例的一个实施例，如图1所示，本实施例提供一种脑电信号异常监测系统，所述系统包括：信号采集模块，信号处理模块以及显示模块；所述信号采集模块用于采集脑电信号；所述信号处理模块包括：信号预处理单元，经验模式分解单元，多分辨分析单元，信号融合单元，特征提取单元，识别单元；所述信号预处理单元用于对获取的脑电信号进行滤波和去噪；所述经验模式分解单元用于对预处理后的脑电信号进行经验模式分解，获取一系列固有模态函数，并确定预处理后的脑电信号经验模式分解的分解层数；所述多分辨分析单元用于根据所述分解层数对预处理后的脑电信号进行多分辨分析，获取一系列平滑信号以及细节信号；所述信号融合单元用于将所述固有模态函数和所述平滑信号以及细节信号进行信号融合，获取一系列融合分量；所述特征提取单元用于根据所述融合分量的样本熵和相关系数分别进行加权处理得到加权特征向量；所述识别单元以加权特征向量为训练样本训练极限学习机；计算待判断脑电信号的加权特征向量，并输入训练好的极限学习机中，输出待判断脑电信号是否异常。
[0020]所述显示模块用于显示所述识别单元的判断结果。
[0021]进一步的，所述信号预处理单元采用移动平均值法对获取的脑电信号进行滤波和去噪。
[0022]进一步的，所述多分辨分析单元采用Mallat分解算法对预处理后的脑电信号进行多分辨分析。
[0023]进一步的，如图2所示，所述特征提取单元还包括：自适应权重计算单元，计算所述融合分量的方差，根据所述方差计算所述融合分量的自适应权重；样本熵计算单元，计算所述融合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑电信号异常监测系统，其特征在于，所述系统包括：信号采集模块，信号处理模块以及显示模块；所述信号采集模块用于采集脑电信号；所述信号处理模块包括：信号预处理单元，经验模式分解单元，多分辨分析单元，信号融合单元，特征提取单元，识别单元；所述信号预处理单元用于对获取的脑电信号进行滤波和去噪；所述经验模式分解单元用于对预处理后的脑电信号进行经验模式分解，获取一系列固有模态函数，并确定预处理后的脑电信号经验模式分解的分解层数；所述多分辨分析单元用于根据所述分解层数对预处理后的脑电信号进行多分辨分析，获取一系列平滑信号以及细节信号；所述信号融合单元用于将所述固有模态函数和所述平滑信号以及细节信号进行信号融合，获取一系列融合分量；所述特征提取单元用于根据所述融合分量的样本熵和相关系数分别进行加权处理得到加权特征向量；所述识别单元以加权特征向量为训练样本训练极限学习机；计算待判断脑电信号的加权特征向量，并输入训练好的极限学习机中，输出待判断脑电信号是否异常；所述显示模块用于显示所述识别单元的判断结果。2.根据权利要求1所述的系统，其特征在于：所述信号预处理单元采用移动平均值法对获取的脑电信号进行滤波和去噪。3.根据权利要求2所述的系统，其特征在于：所述多分辨分析单元采用Mallat分解算法对预处理后的脑电信号进行多分辨分析。4.根据权利要求3所述的系统，其特征在于：所述特征提取单元还包括：自适应权重计算单元，计算所述融合分量的方差，根据所述方差计算所述融合分量的自适应权重；样本熵计算单元，计算所述融合分量的样本熵；相关系数计算单元，计算所述融合分量的相关系数。...

【专利技术属性】
技术研发人员：赵宗亚，袁庆丽，李中伟，高智贤，于毅，王昌，
申请(专利权)人：新乡医学院，
类型：发明
国别省市：