一种癫痫发作区定位系统、设备及介质技术方案

本发明专利技术提供了一种癫痫发作区定位系统、设备及介质。系统包括，数据获取单元：用于获取癫痫自发数据、癫痫诱发数据和癫痫影像数据；特征提取单元：用于通过对癫痫自发数据进行特征提取，获取图特征信息；结构构建单元：用于在癫痫诱发数据中获取脑电信号，通过显著性检验构建图结构信息；发作区获取单元：用于基于无监督聚类过程对图结构信息和图特征信息进行聚类，获取发作区电极位点，根据发作区电极位点和癫痫影像数据获取癫痫发作区。本发明专利技术将癫痫诱发数据、癫痫自发数据和癫痫影像数据有机结合，通过信号处理和机器学习的方法精准、快速地得到病人的癫痫发作区电极或脑区位置，帮助医生手术之前定位癫痫发作区位置，辅助医生做出判断。出判断。出判断。

【技术实现步骤摘要】
一种癫痫发作区定位系统、设备及介质


[0001]本专利技术涉及医学图像处理领域，具体而言，涉及一种癫痫发作区定位系统、设备及介质。

技术介绍

[0002]癫痫疾病是大脑神经元突发性异常放电，导致短暂的大脑功能障碍的一种慢性疾病，属于神经系统疾病。当前治疗癫痫的方法一般为定位癫痫发作区域，通过手术的方式将癫痫发作区去除。
[0003]对于癫痫发作区位置的检测，相关研究较少。有研究者使用相位锁相值等方法将电极位点进行分类来实现，但这样做需要电极位点标签且没有考虑全脑连接关系。
[0004]癫痫疾病的相关数据包括癫痫自发数据和癫痫诱发数据，医生在手术前可以得到如下数据：
[0005]1.使用立体脑电图在病人颅内放置侵入式电极，用来记录颅内立体脑电图(SEEG)。
[0006]2.自发癫痫数据；根据立体脑电图可以记录病人的自发数据，得到癫痫发作、癫痫间期(癫痫未发作)下睡眠和清醒状态的电极脑电信号(EEG)。
[0007]3.癫痫诱发数据：通过主动给电极刺激可以得到皮层
‑
皮质间诱发电位(Cortico
‑
cortical evoked potintial)数据，通过刺激颅内一对电极位点以记录全脑电极的反应，测量电极或脑区之间的有效性连接。
[0008]在手术之前，医生往往根据自发癫痫数据结合MRI和CT影像等观测影像资料确定癫痫发作区的位置，通过确定的发作区电极位置找出需要切除或热凝的脑区，之后进行手术。而癫痫诱发数据在定位癫痫发作区中往往占比不大。由此，现有技术普遍存在如下缺陷：
[0009]1.现有技术多只通过自发癫痫数据进行判断而不考虑诱发癫痫数据，忽略了有效性连接关系信息对癫痫的影响。
[0010]2.现有技术对自发癫痫脑电数据处理比较简单，大多只用简单的信号处理手段进行处理，往往会漏掉潜在的特征信息。
[0011]3.现有技术基本采用自监督方法，需要人工标注电极位点的标签或需要人工判断，费时费力，处理效率，由于临床专业人士之间的经验差异，诊断变得难以评估。
[0012]4.现有技术泛化能力弱，需要大量已有样本才能进行检测，且不能根据每个病人的实际病情进行针对性检测。
[0013]因此，需要一种高效、准确的癫痫发作区定位系统，能够解决上述问题。

技术实现思路

[0014]基于现有技术存在的问题，本专利技术提供了一种癫痫发作区定位系统、设备及介质。具体方案如下：
[0015]一种癫痫发作区定位系统，包括，
[0016]数据获取单元：用于获取癫痫自发数据、癫痫诱发数据和癫痫影像数据，所述癫痫诱发数据包括电极位点处于诱发刺激下的脑电信号；
[0017]特征提取单元：用于对所述癫痫自发数据进行特征提取，获取图特征信息；
[0018]结构构建单元：用于在所述癫痫诱发数据中获取多个电极位点处于同一诱发刺激下的脑电信号，通过显著性检验构建图结构信息，所述图结构信息包括处于诱发刺激下的脑连接关系的邻接矩阵图；
[0019]发作区获取单元：用于基于无监督聚类过程对所述图结构信息和所述图特征信息进行聚类，获取发作区电极位点，根据所述发作区电极位点和所述癫痫影像数据获取癫痫发作区。
[0020]在一个具体实施例中，所述特征提取单元具体包括：
[0021]预处理模块：用于在所述癫痫自发数据中获取自发脑电信号，对所述自发脑电信号进行预处理；
[0022]特征提取模块：用于对预处理后的自发脑电信号进行特征提取，获取时频特征；
[0023]信息获取模块：用于基于深度学习网络处理所述时频特征得到降维后的时频特征，将降维后的时频特征作为所述图特征信息。
[0024]在一个具体实施例中，所述发作区获取单元设置有聚类模块；
[0025]聚类模块：用于根据所述图结构信息构建图滤波器，根据所述图特征信息构建图表示特征；
[0026]通过图卷积操作进特征融合，获取融合特征，每次所述图卷积包括将所述图滤波器与所述图表示特征进行矩阵相乘，所述图卷积的次数根据簇内距离进行自适应判断；
[0027]对所述融合特征进行聚类得到多个簇，筛选得到发作区簇，所述发作区簇仅包括所述发作区电极位点。
[0028]在一个具体实施例中，所述癫痫影像数据包括CT影像和MRI影像；
[0029]所述发作区获取单元还设置有定位模块；
[0030]定位模块：用于对所述CT影像和所述MRI影像进行图像配准获取第一影像数据；根据所述第一影像数据判断所述发作区电极位点在影像中的电极位置；匹配所述电极位置和预设影像模板获取脑部的癫痫发作区。
[0031]在一个具体实施例中，对所述融合特征进行两类聚类，得到发作区簇和非发作区簇，所述发作区簇仅包括所述发作区电极位点，所述非发作区簇仅包括非发作区电极位点；
[0032]选取电极位点较少的簇作为所述发作区簇。
[0033]在一个具体实施例中，所述自发数据包括癫痫病人在癫痫发作时、癫痫发作期间的自发脑电信号；
[0034]所述诱发数据包括在刺激一对电极位点时，颅内所有电极位点在该刺激下的脑电信号。
[0035]在一个具体实施例中，所述预处理包括去除伪差、去除工频干扰、滤波处理、降采样处理、去势处理；
[0036]在一个具体实施例中，所述特征提取模块通过傅里叶变换或小波变换对预处理后的自发脑电信号进行特征提取，获取时频特征。
[0037]在一个具体实施例中，所述图滤波器的构建过程包括：
[0038]从所述图结构信息中的获取邻接矩阵；
[0039]对所述邻接矩阵进行拉普拉斯变换，构造出归一化的拉普拉斯矩阵；
[0040]根据所述拉普拉斯矩阵构造图滤波器。
[0041]在一个具体实施例中，所述拉普拉斯矩阵的表达式为
[0042]L
s
＝D
‑
1/2
AD
‑
1/2
[0043]其中，L
s
表示拉普拉斯矩阵，D表示度矩阵，A表示邻接矩阵；
[0044]所述图滤波器的表达式为：
[0045][0046]其中，G表示图滤波器，I表示单位矩阵，L
s
表示拉普拉斯矩阵。
[0047]在一个具体实施例中，其特征在于，所述深度学习网络包括自动编码器模型，所述信息获取模块基于所述自动编码器模型处理所述时频特征。
[0048]在一个具体实施例中，所述图特征信息的获取流程具体包括：
[0049]根据所述时频特征构建出特征向量；
[0050]通过所述自动编码器模型中的编码部分进行降维和特征学习，得到一个中间状态的低维隐藏特征表示；
[0051]通过所述自动编码器模型中的解码部分将所述低维隐藏特征表示转换为所述特征向量；
[0052]基于损失函数调节网络参数；
[0053]迭代上述步骤，直至满本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种癫痫发作区定位系统，其特征在于，包括，数据获取单元：用于获取癫痫自发数据、癫痫诱发数据和癫痫影像数据，所述癫痫诱发数据包括电极位点处于诱发刺激下的脑电信号；特征提取单元：用于对所述癫痫自发数据进行特征提取，获取图特征信息；结构构建单元：用于在所述癫痫诱发数据中获取多个电极位点处于同一诱发刺激下的脑电信号，通过显著性检验构建图结构信息，所述图结构信息包括处于诱发刺激下的脑连接关系的邻接矩阵图；发作区获取单元：用于基于无监督聚类过程对所述图结构信息和所述图特征信息进行聚类，获取发作区电极位点，根据所述发作区电极位点和所述癫痫影像数据获取癫痫发作区。2.根据权利要求1所述的癫痫发作区定位系统，其特征在于，所述特征提取单元具体包括：预处理模块：用于在所述癫痫自发数据中获取自发脑电信号，对所述自发脑电信号进行预处理；特征提取模块：用于预处理后的自发脑电信号进行特征提取，获取时频特征；信息获取模块：用于基于深度学习网络处理所述时频特征得到降维后的时频特征，将降维后的时频特征作为所述图特征信息。3.根据权利要求1或2所述的癫痫发作区定位系统，其特征在于，所述发作区获取单元设置有聚类模块；聚类模块：用于根据所述图结构信息构建图滤波器，根据所述图特征信息构建图表示特征；通过图卷积操作进特征融合，获取融合特征，每次所述图卷积包括将所述图滤波器与所述图表示特征进行矩阵相乘，所述图卷积的次数根据簇内距离进行自适应判断；对所述融合特征进行聚类得到多个簇，筛选得到发作区簇，所述发作区簇仅包括所述发作区电极位点。4.根据权利要求3所述的癫痫发作区定位系统，其特征在于，所述癫痫影像数据包括CT影像和MRI影像；所述发作区获取单元还设置有定位模块；定位模块：用于对所述CT影像和所述MRI影像进行图像配准获取第一影像数据；根据所述第一影像数据判断所述发作区电极位点在影像中的电极位置；匹配所述电极位置和预设影像模板获取脑部的癫痫发作区。5.根据权利要求3所述的癫痫发作区定位系统，其特征在于，对所述融合特征进行两类聚类，得到发作区簇和非发作区簇，所述发作区簇仅包括所述发作区电极位点，所述非发作区簇仅包括非发作区电极位点；选取电极位点较少的簇作为所述发作区簇。6.根据权利要求1所述的癫痫发作区定位系统，其特征在于，所述自发数据包括癫痫病人在癫痫发作时、癫痫发作期间的自发脑电信号；所述诱发数据包括在刺激一对电极位点时，颅内所有电极位点在该刺激下的脑电信号。
7.根据权利要求2所述的癫痫发作区定位系统，其特征在于，所述预处理包括去除伪差、去除工频干扰、滤波处理、降采样处理、去势处理。8.根据权利要求7所述的癫痫发作区定位系统，其特征在于，所述特征提取模块通过傅里叶变换或小波变换对预处理后的自发脑电信号进行特征提取，获取时频特征。9.根据权利...

【专利技术属性】
技术研发人员：窦永霖，詹阳，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：