检测癫痫样放电的方法和设备技术

本申请提出用于检测癫痫样放电的方法，包括：获取患者在癫痫发作间期的脑电图信号，其中脑电图信号包括在至少一个导联通道上的一个或多个信号片段，每个信号片段包括一个或多个信号子片段；对信号子片段进行特征匹配以识别存在癫痫样放电的信号子片段；以及确定癫痫样放电的统计数据。该方法可以使用自动化检测方法有效降低医务人员的工作量和误检概率并提高诊断效率。提高诊断效率。提高诊断效率。

【技术实现步骤摘要】
检测癫痫样放电的方法和设备


[0001]本申请涉及信号处理，特别地，涉及在脑电图信号中检测癫痫样放电的方法、设备以及计算机存储介质。

技术介绍

[0002]脑电图是常用于记录人类大脑皮层产生的电活动的信号数据形式。脑电图信号所具有的高时间分辨率，无创性和低成本的特点，使得其广泛被应用于具有癫痫病灶的患者的术前评估中。在长时程脑电图信号记录中，癫痫发作期在时间上仅占脑电图信号的很小一部分，实际上患者在监测过程中更多时间处于癫痫不发作的状态(即发作间期)。
[0003]发作间期的癫痫样放电的检测对于癫痫综合征的判断、病灶定位等有很重要的参考作用。目前，长时程脑电图信号中是否包含癫痫样放电信息的分析判断工作由医生观察并基于经验给出诊断意见来完成。这种人工方式费时费力。
[0004]此外，传统的棘波信号检测方案敏感性较低、误检率较高，并且无法精确到具体导联通道上。传统方案对于信号中的生理波形也没有进行针对性排除。
[0005]因此，存在对从发作间期的脑电图信号中检测癫痫样放电的方案进行改进的需求。

技术实现思路

[0006]为了解决上述至少一个问题，本申请的实施例提出在脑电图信号中检测癫痫样放电的自动化方案。
[0007]根据本申请的一方面，提出一种用于检测癫痫样放电的方法，包括：获取患者在癫痫发作间期的脑电图信号，其中脑电图信号包括在至少一个导联通道上的一个或多个信号片段，每个信号片段包括一个或多个信号子片段；对信号子片段进行特征匹配以识别存在癫痫样放电的信号子片段；以及确定癫痫样放电的统计数据。
[0008]根据本申请的另一方面，提出一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，执行根据如上所述的方法。
[0009]根据本申请的又一方面，提出一种电子设备，包括处理器；以及存储器，用于存储所述处理器的可执行指令；其中，处理器被配置为执行所述可执行指令以实施根据如上所述的方法。
[0010]根据本申请的实施例的在脑电图信号中检测癫痫样放电的方案，相比通过医生对脑电图信号的人工观察来诊断患者的癫痫发作情况的常用方案，引入自动化的脑电图信号检测方法，可以作为计算机辅助检测工具输出与患者在发作间期监测的脑电图信号中是否存在癫痫样放电相关的检测结果和指标，定量统计数据并采用可视化等呈现方式以便于医生参考，有效降低医务人员的工作量和误检概率并提高诊断效率。同时，本申请的自动化检测方案可以精确到脑电图信号的具体导联通道，并基于累积的历史数据优化和更新检测标
准和模板，进一步提高检测的准确性和速度。
附图说明
[0011]通过参照附图详细描述其示例性实施例，本申请的上述和其它特征及优点将变得更加明显。
[0012]图1为根据本申请的实施例的检测癫痫样放电的方法的示意性流程。
[0013]图2为根据本申请的实施例的在脑电图信号中识别癫痫样放电的信号波形处理的对比图。
[0014]图3为根据本申请的实施例的用于时频匹配的示例性时频模板。
[0015]图4为根据本申请的实施例的基于癫痫样放电的识别结果的统计数据的示例性可视化呈现。
[0016]图5为根据本申请的实施例的电子设备的示意性结构框图。
具体实施方式
[0017]现在将参考附图更全面地描述示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本申请的内容变得全面和完整，并将示例性实施例的构思全面地传达给本领域的技术人员。在图中，为了清晰，可能会夸大部分元件的尺寸或加以变形。在图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
[0018]此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而不必包括所述特定细节中的一个或更多，或者可以采用其它的方法、元件等实践本申请提出的技术方案。在其它情况下，不详细示出或描述公知结构、方法或者操作以避免模糊本申请的各方面。
[0019]在临床上使用脑电设备(例如脑电放大器)采集患者的脑电图EEG信号。人的脑电图信号的基本节律由对应于不同频率的δ波和θ波、α波和β波等信号部分组成，通常不存在尖波或棘波或者尖波或棘波不明显。脑电图信号中的棘波是一种突发、一过性的波动波形，一般持续20
‑
70ms。棘波的主要成分为负相，波幅多变。典型的棘波上升沿波形陡峭，下降沿可有坡度。棘波多为病理性脑电波形，常见于局限性癫痫、癫痫大发作、肌阵挛性发作、间脑癫痫等。因此，脑电图信号中的棘波波形可以用于检测与癫痫病灶相关的信息。尖波也是一种突发性的波动波形，但是相比持续时间较短(例如在20
‑
70ms中的一过性时间期间)的棘波，尖波的波动持续时间相对较长。癫痫疾病的发作时和发作间期中，病理性脑电波形不仅会产生棘波或尖波的对应变化，还可以产生例如包括棘慢波和尖慢波的慢波波形的对应变化。因此，癫痫病灶相关的癫痫样放电可以通过脑电图信号中的棘波波形、尖波波形、以及诸如棘慢波和尖慢波的慢波的波形进行检测。在实际的脑电图信号的读图诊断中，这四种癫痫样放电相关波形占到癫痫样放电的大部分情况。脑电图信号中的癫痫样放电相关的波形在本文中被称为与癫痫症状或病灶相关的异常放电(波形)。
[0020]在使用满足临床标准的脑电放大器采集脑电图信号时，将电极放置在人的头部表面。电极在人体体表(头部)的放置位置以及电极与脑电信号放大器的连接方式称为脑电图
的导联。脑电图的导联包括多个导联通道。例如，10
‑
20导联系统具有19个导联通道，其中Fp1和Fp2导联通道检测左侧和右侧额头的脑电图EEG信号，Cz导联通道检测头顶的脑电图EEG信号，此外还有F7，F8导联通道等。
[0021]下面结合图1说明根据本申请的实施例的检测癫痫样放电的方法的示例过程。
[0022]方法首先在步骤S110获取所采集的脑电图EEG信号。脑电放大器的采样率范围在200～1000Hz。脑电放大器的导联通道数在16
‑
32个之间。在本申请的实施例中，部分导联通道是没有检测信号的参考导联通道，实际上存在EEG信号的检测信号的导联通道有19个。在临床上，脑电图信号的监测时长通常在2小时左右或更长的时间，其目的在于期望能检测到癫痫发作时的EEG信号。针对癫痫发作间期的脑电图信号自动化监测无需等待到癫痫发作的出现，因此可以采用更短的监测时长，例如30分钟，15分钟，10分钟或更短的时间段。
[0023]为了便于处理，在本申请的实施例所述的方案中，脑电图EEG信号按照每个导联通道，被分割为具有相同时间长度的信号片段。例如，信号片段的时间长度可以选择为30秒，1分钟，2分钟或更长的长度。也可以选择比30秒更短的时间长度，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于检测癫痫样放电的方法，包括：获取患者在癫痫发作间期的脑电图信号，其中所述脑电图信号包括在至少一个导联通道上的一个或多个信号片段，每个所述信号片段包括一个或多个信号子片段；对所述信号子片段进行特征匹配以识别存在癫痫样放电的信号子片段；以及确定癫痫样放电的统计数据。2.根据权利要求1所述的方法，其特征在于，在对所述信号子片段进行特征匹配之前，该方法还包括：基于所述信号子片段在高频频带的能量与所述信号子片段所属的信号片段在高频频带的能量阈值的比较筛除不存在癫痫样放电的信号子片段。3.根据权利要求1或2所述的方法，其特征在于，对所述信号子片段进行特征匹配包括以下中的至少一项：基于所述信号子片段的波形特征进行波形匹配；基于所述信号子片段的时频特征进行时频匹配。4.根据权利要求3所述的方法，其特征在于，所述波形匹配包括基于以下波形特征中的至少一个与波形模板的比较来识别所述信号子片段中是否存在癫痫样放电：所述信号子片段中的棘波或尖波上升沿的波幅差；所述信号子片段中的棘波或尖波上升沿的持续时间；所述信号子片段中的棘波或尖波下降沿的波幅差；所述信号子片段中的棘波或尖波下降沿的持续时间；所述信号子片段中的棘波或尖波下降沿随后的慢波上升沿的波幅差；所述信号子片段中的棘波或尖波上升沿之前的波幅标准差。5.根据权利要求3所述的方法，其特征在于，所述时频匹配包括：分别计算所述信号子片段在低频、中频和高频频带的能量以构成所述信号子片段的时频特征；基于所述时频特征与时频模板确定所述信号子片段的时频相似度；基于所述时频相似度与相应阈值的比较来识别所述信号子片段中是否存在癫痫样放电。6.根据权利要求5所述的方法，其特征在于，分别计算所述信号子片段在具有峰值波幅的时间段中在低频、中频和高频频带的能量以构成所述信号子片段的所述时频特征。7.根据权利要求5所述的方法，其特征在于，所述时频模板为基于时间的分频带能量的时频能量矩阵模板，基于所述时频特征与时频模板确定所述信号子片段的时频相似度包括：基于在所述时间段中的采样时间处所计算的所述信号子片段在低频、中频和高频频带的能量生成时频能量矩阵作为所述时频特征；将所述时频能量矩阵与所述时频...

【专利技术属性】
技术研发人员：赵童，闫宇翔，
申请(专利权)人：灵犀云医学科技北京有限公司，
类型：发明
国别省市：