用于癫痫发作预测及检测的系统及方法技术方案

技术编号:34596048 阅读:33 留言:0更新日期:2022-08-20 08:56
本公开提供用于癫痫发作检测的系统及方法。所述癫痫发作检测方法可包含经由多个通道为受试者接收多个脑电图(EEG)信号,通过将每一通道的所述多个EEG信号分割成多个时间数据段来预处理所述多个EEG信号,从每一通道的每一时间数据段提取多个特征,及将机器学习算法应用于所述多个特征以针对每一通道的每一时间数据段执行癫痫发作二元分类。可采用控制策略来确定聚合的癫痫发作二元分类的癫痫发作负担。当所述癫痫发作负担等于或超过阈值时,可产生通知。医疗保健从业者可使用所述通知来评估所述受试者是否可能处于患癫痫发作的风险中。险中。险中。

【技术实现步骤摘要】
【国外来华专利技术】用于癫痫发作预测及检测的系统及方法
[0001]交叉参考
[0002]本PCT申请主张2019年9月20日申请的美国专利申请第16/578,032号的优先权,所述申请的内容以引用的方式全部并入本文中。

技术介绍

[0003]监测脑电图(EEG)信号是癫痫发作早期诊断的一项重要任务。虽然分析EEG信号在监测患者的脑活动方面发挥重要作用,但需要专家分析所有EEG记录以检测癫痫发作活动。这可能是冗长且耗时的,且及时准确地诊断癫痫发作活动对于启动治疗及降低未来癫痫发作及癫痫发作相关并发症的风险至关重要。
[0004]目前,机器学习算法提供一种对EEG信号进行分类且最小化专家干预的途径。然而机器学习算法需要高质量的EEG信号来提供有效分类结果。通常,需要优化提供给机器学习算法的EEG信号以使机器学习算法更有效地预测癫痫发作。

技术实现思路

[0005]需要优化提供给机器学习算法的EEG信号的质量以使其更有效地防止癫痫发作。为优化EEG信号的质量,EEG信号可用于构建特征。每一导出特征可专注于EEG信号的独特特性,其允许机器学习算法更容易地辨本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于癫痫发作检测的方法,其包括:经由多个通道为受试者接收多个脑电图(EEG)信号;通过将每一通道的所述多个EEG信号分割成多个时间数据段来预处理所述多个EEG信号;从每一通道的每一时间数据段提取多个特征;及将机器学习算法应用于所述多个特征以针对每一通道的每一时间数据段执行癫痫发作二元分类。2.根据权利要求1所述的方法,其中所述癫痫发作二元分类包括将每一通道的每一时间数据段分类为(1)癫痫发作阳性或(2)癫痫发作阴性。3.根据权利要求2所述的方法,其中每一时间数据段与时期相关联。4.根据权利要求3所述的方法,其中癫痫发作阳性分类群指示所述对应时期的潜在电图癫痫发作。5.根据权利要求1所述的方法,其中每一时间数据段具有范围从约一秒到二十秒的持续时间。6.根据权利要求5所述的方法,其中每一时间数据段的所述持续时间约为十秒。7.根据权利要求3所述的方法,其进一步包括:在移动时间窗口内聚合所述多个通道的所述多个时间数据段的所述癫痫发作二元分类。8.根据权利要求7所述的方法,其中所述移动时间窗口范围从约一分钟到十分钟。9.根据权利要求8所述的方法,其中所述移动时间窗口约为五分钟。10.根据权利要求7所述的方法,其进一步包括:基于所述聚合的癫痫发作二元分类来确定所述移动时间窗口的癫痫发作负担。11.根据权利要求10所述的方法,其中所述癫痫发作负担包括被分类为癫痫发作阳性的所述时期的百分比。12.根据权利要求10所述的方法,其中确定所述癫痫发作负担包括在所述移动时间窗口内对所述癫痫发作阳性分类进行平均。13.根据权利要求10所述的方法,其进一步包括:当所述癫痫发作负担等于或超过一或多个阈值时产生一或多个通知。14.根据权利要求13所述的方法,其中所述一或多个通知可由医疗保健从业者使用以评估所述受试者是否处于患癫痫发作的风险中。15.根据权利要求13所述的方法,其中以视觉、音频及/或文本警报的形式产生所述一或多个通知。16.根据权利要求13所述的方法,其中当所述癫痫发作负担等于或超过10%的第一阈值时,产生指示频繁癫痫发作活动的第一通知。17.根据权利要求13所述的方法,其中当所述癫痫发作负担等于或超过50%的第二阈值时,产生指示大量癫痫发作活动的第二通知。18.根据权利要求13所述的方法,其中当所述癫痫发作负担等于或超过90%的第三阈值时,产生指示连续癫痫发作活动的第三通知。19.根据权利要求1所述的方法,其中所述多个通道包括至少三个通道。20.根据权利要求19所述的方法,其中所述多个通道包括八个通道。
21.根据权利要求1所述的方法,其中所述多个特征包括在所述多个EEG信号中固有的时域及/或频域特征。22.根据权利要求21所述的方法,其中所述多个特征包括至少二十个不同时间及/或频率特征。23.根据权利要求21所述的方法,其中所述多个特征包括与所述时域及/或频域特征相关联的多个离散值。24.根据权利要求1所述的方法,其中所述机器学习算法包括随机森林、提升决策树、分类树、回归树、套袋树、神经网络或旋转森林。25.根据权利要求1所述的方法,其中所述机器学习算法个别地应用于针对每一通道提取的所述多个特征,使得每一通道具有所述机器学习算法的单独迭代。26.根据权利要求1所述的方法,其中所述多个EEG信号的所述预处理进一步包括:在所述多个EEG信号的所述分割之前,将滤波器应用于所述多个通道上的所述多个EEG信号。27.根据权利要求26所述的方法,其中所述滤波器包括经配置以对1Hz与35Hz之间的所述多个EEG信号进行滤波的带通滤波器。28.根据权利要求3所述的方法,其进一步包括:跨每一通道上的多个时期循序地比较所述分类;及如果所述分类的子集在一行中包括少于三个癫痫发作阳性分类,那么丢弃所述子集。29.根据权利要求3所述的方法,其进一步包括:如果所述多个通道的子集的所述时间数据段被分类为癫痫发作阳性,那么将特定时期分类为与潜在电图癫痫发作相关联。30.根据权利要求29所述的方法,其中所述子集包括所述多个通道中的至少一半。31.一种用于癫痫发作检测的方法,其包括:(a)经由多个通道为受试者接收多个脑电图(EEG)信号;(b)通过将每一通道的所述多个EEG信号分割成多个时间数据段来预处理所述多个EEG信号;(c)从每一通道的每一时间数据段提取多个特征,其中每一时间数据段与时期相关联;(d...

【专利技术属性】
技术研发人员:B
申请(专利权)人:赛锐贝尓股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1