【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
[ ...
【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:
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。