用于检测癫痫发作的方法和设备技术

本申请提出用于检测癫痫发作的方法和设备。该方法包括获取受试者在多个导联通道上的脑电图信号，脑电图信号具有多个信号片段；基于脑电图信号的时间特征和频率特征从多个信号片段中提取候选信号片段；以及分析候选信号片段的相关性指标以确定候选信号片段是否指示癫痫发作。本申请的方案可以获得准确性和敏感性更高的癫痫发作检测结果。感性更高的癫痫发作检测结果。感性更高的癫痫发作检测结果。

【技术实现步骤摘要】
用于检测癫痫发作的方法和设备


[0001]本申请涉及信号处理及检测，特别涉及用于基于脑电图(EEG)信号检测癫痫发作的方法、设备和计算机存储介质。

技术介绍

[0002]作为人类神经系统常见疾病之一的癫痫俗称“羊角风”，其以脑神经元异常放电引起的反复癫痫性发作为特征。据统计，每10万人中大概存在200至300名癫痫患者。由于癫痫患者突然发病时全身痉挛并且很可能失去意识，所以癫痫病症潜藏各种风险。
[0003]目前，对癫痫患者的癫痫发作的诊断和检测除了临床观察外，主要通过对脑电图信号的分析实现。长时程的脑电图信号的分析诊断工作主要由医生通过人工读图和经验完成。这种人工检测方式费时费力，无法支持定量分析导致准确性因人而异，不能提供统一有效的检测标准。
[0004]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评估中。使用计算机辅助EEG信号的癫痫发作检测可以降低医生的工作量，提高检测的效率、准确性和一致性，降低癫痫检测的诊疗成本。但是，现有自动化检测技术没有区分癫痫的发作期放电的EEG信号和存在伪差的EEG信号之间的信号波形特征使得误检率较高。此外，现有检测方案通常针对特定类型癫痫发作时的EEG信号进行癫痫发作检测，没有综合考虑不同类型的癫痫发作的特征，使得癫痫检测的敏感性较低而检测效果不佳。
[0005]因此，存在对EEG信号的癫痫发作检测方案进行改进的需求。

技术实现思路

[0006]鉴于上文中提及的缺陷和待解决的问题，本申请提出用于检测癫痫发作的方法、设备和计算机存储介质，全面考虑不同癫痫发作类型在信号频率和持续时间长度上的特点，使得检测结果准确性和敏感性得到有效提高。
[0007]根据本申请的一方面，提出一种用于检测癫痫发作的方法，包括：获取受试者在多个导联通道上的脑电图信号，该脑电图信号具有多个信号片段；基于脑电图信号的时间特征和频率特征从多个信号片段中提取候选信号片段；分析候选信号片段的相关性指标以确定候选信号片段是否指示癫痫发作。
[0008]根据本申请的另一方面，提出一种用于检测癫痫发作的设备，包括：获取单元，被配置为获取受试者在多个导联通道上的脑电图信号，该脑电图信号具有多个信号片段；以及检测单元，被配置为基于脑电图信号的时间特征和频率特征从多个信号片段中提取候选信号片段，以及分析候选信号片段的相关性指标以确定候选信号片段是否指示癫痫发作。
[0009]根据本申请的又一方面，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，实施如上所述的方法。
[0010]根据本申请的再一方面，提出一种电子设备，包括处理器以及存储器，用于存储处
理器的可执行指令；其中可执行指令在被处理器执行时实现根据如上所述的方法。
[0011]通过采用本申请的实施例提出的检测癫痫发作的方案，分别基于EEG信号的频率特征和时间特征提取可疑的候选信号片段，其中着重考虑不同癫痫发作类型在低频和高频信号能量突出的特点，针对不同类型的癫痫发作情况的持续时间长度具体分析。进一步，在提取候选信号片段中分析多个导联通道上的EEG信号的相关性指标以筛选指示癫痫发作的准确信号片段。这种方案可以从多信息通道的EEG信号中以更细化的检测标准识别癫痫发作，特别是有效区分了癫痫发作期放电的EEG信号与存在伪差的EEG信号之间的信号特征，可以应用于任何包含癫痫发作期异常放电波形的EEG信号，基于不同类型的癫痫发作期放电的持续时间考察信号片段的信号特征而无需持续地长时间监测EEG信号，从而获得准确性和敏感性更高的检测结果。
附图说明
[0012]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。
[0013]图1为根据本申请的一个实施例的用于检测癫痫发作的方法的示意性流程。
[0014]图2A为根据本申请的一个实施例的处于癫痫发作期的示例性低频EEG波形图。
[0015]图2B为根据本申请的一个实施例的处于癫痫发作期的示例性高频EEG波形图。
[0016]图3A为根据本申请的一个实施例的具有长时候选信号片段的示例性EEG波形图。
[0017]图3B为根据本申请的一个实施例的具有短时候选信号片段的示例性EEG波形图。
[0018]图4为根据本申请的一个实施例的存在伪差信号的候选信号片段的示例性EEG波形图。
[0019]图5A为根据本申请的一个实施例的待分析相关性指标的候选信号片段的示例性EEG波形图。
[0020]图5B为根据本申请的一个实施例的待分析相关性指标的另一候选信号片段的示例性EEG波形图。
[0021]图6为根据本申请的一个实施例的用于检测癫痫发作的设备的示意性结构框图。
[0022]图7为根据本申请的一个实施例的用于检测癫痫发作的电子设备的示意框图。
具体实施方式
[0023]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，为了清晰起见，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。
[0024]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没有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。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个方面。
[0025]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。癫痫病灶相关的癫痫发作放电可以通过脑电图信号中的各种棘波波形、各种尖波波形、诸如棘慢波和尖慢波的复合慢波的波形以及各种低波幅的快速活动等波形进行检测。在实际的脑电图信号的读图诊断中，这些癫痫样放电相关波形占到癫痫样放电的大部分情况。
[0026]不同癫痫发作类型的癫痫症状的持续时间也不同。体现在脑电图EEG信号波形中，不同类型的癫痫发作时所采集的EEG信号在频率、持续时间、信号能量以及波形形态等多个方面也存在对应的特征。大多数癫痫发作类型在癫痫发作期的持续时间长度(简称时长)为数秒至数十秒不等。其中，肌阵挛发作和失张力发作的持续时间长度为数十至数百毫秒不等，并且伴随肌电信号突出的特点。例如，癫痫发作时所采集的EEG信号与频率相关的信号能量上，有些癫痫类型在发作时表现为高频能量突出而有些癫痫类型在发作时表现为低频能量突出。
[0027]因此，可以基于癫痫发作时对应的EEG信号特征对癫痫发作类型进行分类。例如，时间特征和频率特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于检测癫痫发作的方法，包括：获取受试者在多个导联通道上的脑电图信号，所述脑电图信号具有多个信号片段；基于所述脑电图信号的时间特征和频率特征从所述多个信号片段中提取候选信号片段；分析所述候选信号片段的相关性指标以确定所述候选信号片段是否指示癫痫发作。2.根据权利要求1所述的方法，其特征在于，基于所述脑电图信号的时间特征和频率特征提取候选信号片段包括：在所述多个信号片段中提取与不同持续时间长度的癫痫发作对应的长时类型的信号片段和短时类型的信号片段；分别针对所述长时类型和短时类型的信号片段，在高频脑电图信号和低频脑电图信号中提取所述候选信号片段。3.根据权利要求2所述的方法，其特征在于，在高频脑电图信号和低频脑电图信号中提取候选信号片段进一步包括：提取所述脑电图信号的高频脑电图信号和低频脑电图信号；分别针对所述高频脑电图信号和所述低频脑电图信号，筛选其波形幅度超过与不同长度的信号持续时间相对应的波形幅度阈值的信号片段；基于所筛选的信号片段确定所述候选信号片段。4.根据权利要求3所述的方法，其特征在于，基于所筛选的信号片段确定所述候选信号片段包括：将在时间上相邻的所筛选的信号片段合并，以及提取其信号持续时间满足分别与长时癫痫发作和短时癫痫发作相对应的时间范围条件的所合并的信号片段作为所述候选信号片段。5.根据权利要求2所述的方法，其特征在于，分析所述候选信号片段的相关性指标以确定所述候选信号片段是否指示癫痫发作包括：分别针对所述长时类型和所述短时类型的信号片段，在所述高频脑电图信号和所述低频脑电图信号中计算所述候选信号片段的能量相关性值和波形相关性值；将在所述高频脑电图信号和所述低频脑电图信号的至少一个中的所述能量相关性值超过能量相关性阈值并且所述波形相关性值超过波形相关性阈值的所述候选信号片段确定为指示癫痫发作。6.根据权利要求5所述的方法，其特征在于，计算所述候选信号片段的能量相关性值包括：计算所述多个导联通道中的任意两个导联通道上的所述候选信号片段之间的通道间能量相关性值；基于所有的通道间能量相关性值确定所述候选信号片段的能量相关性值。7.根据权利要求6所述的方法，其特征在于，基于两个导联通道上的所述候选信号片段在时间轴上滑动时重合部分的信号向量的乘积除以重合部分的持续时间的长度的商的最大值计算所述通道间能量相关性值。8.根据权利要求6所述的方法，其特征在于，基于所有的通道间能量相关性值的平均值确定所述候选信号片段的能量相关性值。
9.根据权利要求8所述的方法，其特征在于，基于所有的通道间能量相关性值中数值较高的多个通道间能量相关性值的平均值确定所述候选信号片段的能量相关性值。10.根据权利要求5所述的方法，其特征在于，计算所述候选信号片段的波形相关性值包括：计算所述多个导联通道中的任意两个导联通道上的所述候选信号片段之间的通道间波形相关性值；...

【专利技术属性】
技术研发人员：闫宇翔，赵童，张琪，
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：