用于利用统计学分析和人工智能分析进行癫痫发作检测的系统和方法技术方案

一种癫痫发作检测系统，该癫痫发作检测系统包括一个或多个电路，该一个或多个电路被配置成接收基于患者的脑电活动生成的脑电图(EEG)信号。该一个或多个电路被配置成：利用统计学分析来识别候选癫痫发作，该统计学分析基于该EEG信号的非线性特征的变化来识别这些候选癫痫发作；确定从利用该统计学分析来识别这些候选癫痫发作切换到人工智能模型；以及从利用该统计学分析来识别这些候选癫痫发作切换到利用该EEG信号基于该人工智能模型来识别这些候选癫痫发作。些候选癫痫发作。些候选癫痫发作。

【技术实现步骤摘要】
【国外来华专利技术】用于利用统计学分析和人工智能分析进行癫痫发作检测的系统和方法
相关专利申请的交叉引用
[0001]本申请要求2020年9月8日提交的美国临时专利申请号63/075,621的权益和优先权。该申请的全部内容通过引用并入本文。

技术介绍

[0002]本公开总体上涉及脑电图(EEG)分析。更具体地，本公开涉及用于患者中癫痫发作(seizure)检测的EEG分析。
[0003]癫痫发作通常发生在具有各类医学问题的患者中。全世界有超五千万人受到癫痫发作的折磨。在一些情况下，癫痫发作可以是良性的，但在极端形式下，癫痫发作可以危及生命。因此，检测并响应癫痫发作是重要的。癫痫发作的检测和治疗越早，患者的结果越好。然而，由于患者中发生癫痫发作时可能没有可见的征兆，检测癫痫发作可能非常困难。特别地，可能难以从视觉上检测到重症监护患者或年轻患者(儿童或婴儿)正在经历癫痫发作。
[0004]因此，通常可收集此类患者的EEG数据记录以供癫痫学家分析，在一些情况下，可能需要长达二十四小时的连续EEG数据记录以用于癫痫学家的人工分析。对如此大量的数据进行人工分析可能繁琐、耗时且价格昂贵。存在一些用于癫痫发作检测的EEG分析算法，但是这些算法对幼儿的检测能力很低。例如，一些癫痫发作检测算法在成人中可达到80％的检测率，但在幼儿中仅达到50％
‑
60％的检测率。此外，此类算法还可能具有大量假阳性率，在一些情况下，当患者是幼儿时，此类算法对于单个患者具有每天超过100个假阳性结果。这个数量的假阳性结果需要对儿童的所有记录进行人工复查，并且分析算法无法适当地减少需要进行人工EEG数据复查的数据量。此类EEG检测算法在儿童中的失败部分是由于针对儿童记录的异常EEG波形的性质具有高度可变性。

技术实现思路

[0005]一种包括一个或多个电路的癫痫发作检测系统。该一个或多个电路被配置成：接收基于患者的脑电活动生成的脑电图(EEG)信号；以及利用统计学分析来识别候选癫痫发作，该统计学分析基于该EEG信号的非线性特征的变化来识别这些候选癫痫发作。该一个或多个电路被配置成：确定从利用该统计学分析来识别这些候选癫痫发作切换到人工智能模型；以及从利用该统计学分析来识别这些候选癫痫发作切换到利用该EEG信号基于该人工智能模型来识别这些候选癫痫发作。
[0006]在一些实施方案中，该一个或多个电路被配置成：确定统计学分析的第一性能水平并且确定人工智能模型的第二性能水平。在一些实施方案中，该一个或多个电路被配置成：响应于确定第二性能水平大于第一性能水平而确定从利用统计学分析来识别候选癫痫发作切换到人工智能模型。
[0007]在一些实施方案中，该一个或多个电路被配置成：通过确定通过统计学分析进行的候选癫痫发作的至少预定义量的检测也被人工智能模型检测到，来确定从利用统计学分
析来识别候选癫痫发作切换到人工智能模型。
[0008]在一些实施方案中，该一个或多个电路被配置成通过以下步骤利用统计学分析来识别候选癫痫发作：基于EEG信号确定多个度量，该多个度量指示EEG信号的非线性特征；以及通过至少部分基于该多个度量确定所述EEG信号的非线性特征随时间的变化，来确定EEG信号指示候选癫痫发作，其中这些非线性特征的变化指示引起候选癫痫发作的生理诱因。
[0009]在一些实施方案中，至少部分基于该多个度量确定EEG信号的非线性特征的变化包括确定非线性特征随时间的增加。
[0010]在一些实施方案中，该多个度量包括维数、同步性、李雅普诺夫指数、一种或多种形式的熵、一种或多种形式的特征值、全局非线性、递归轨迹之间的距离差、高阶谱、复杂度损失、替代测试或自相似性中的至少一者。
[0011]在一些实施方案中，该一个或多个电路被配置成通过以下步骤确定EEG信号指示候选癫痫发作：至少部分基于该多个度量确定EEG信号的非线性特征随时间的变化，方式是：利用该多个度量中的一个度量执行初级分析，其中该初级分析指示EEG信号指示候选癫痫发作或指示EEG信号包括噪声；以及利用该多个度量中的一个或多个度量执行次级分析，以确定是EEG信号指示候选癫痫发作，还是EEG信号包括噪声。
[0012]在一些实施方案中，该一个或多个电路被配置成：确定该多个度量中的每个度量在多个时间点的轨迹的概率；以及基于这些概率确定多个度量中的每个度量的轨迹是否显著。在一些实施方案中，至少部分基于该多个度量确定EEG信号的非线性特征的变化包括将该多个度量中的显著度量映射到类别候选癫痫发作。
[0013]在一些实施方案中，该一个或多个电路被配置成：在第一操作阶段中操作，在该第一操作阶段中，该一个或多个电路利用统计学分析来识别候选癫痫发作；以及在第二操作阶段中操作，在该第二操作阶段中，该一个或多个电路利用人工智能模型来识别候选癫痫发作。
[0014]在一些实施方案中，该一个或多个电路被配置成通过以下步骤在第一操作阶段中操作：生成癫痫发作警报，这些癫痫发作警报指示EEG信号指示通过统计学分析识别的候选癫痫发作；以及使得用户界面显示这些癫痫发作警报。
[0015]在一些实施方案中，该一个或多个电路被配置成通过以下步骤在第一操作阶段中操作：在通过统计学分析识别候选癫痫发作时基于训练数据来训练人工智能模型。
[0016]在一些实施方案中，该一个或多个电路被配置成通过以下步骤在第一操作阶段中操作：基于EEG信号和通过统计学分析识别的候选癫痫发作来训练人工智能模型。
[0017]在一些实施方案中，该一个或多个电路被配置成通过以下步骤在第一操作阶段中操作：生成癫痫发作警报，该癫痫发作警报指示EEG信号指示通过统计学分析识别的候选癫痫发作；使得用户界面显示癫痫发作警报；经由用户界面从用户接收候选癫痫发作的标记或EEG信号；以及基于这些标记和EEG信号来训练人工智能模型。
[0018]本公开的另一具体实施是一种方法，该方法包括由处理电路接收基于患者的脑电活动生成的脑电图(EEG)信号。该方法包括：由该处理电路利用统计学分析来识别候选癫痫发作，该统计学分析基于该EEG信号的非线性特征的变化来识别这些候选癫痫发作；由该处理电路确定从利用该统计学分析来识别这些候选癫痫发作切换到人工智能模型；以及由该处理电路从利用该统计学分析来识别这些候选癫痫发作切换到利用该EEG信号基于该人工
智能模型来识别这些候选癫痫发作。
[0019]在一些实施方案中，该方法包括：由处理电路确定统计学分析的第一性能水平，以及由处理电路确定人工智能模型的第二性能水平。在一些实施方案中，该方法包括：由处理电路响应于确定第二性能水平大于第一性能水平而确定从利用统计学分析来识别候选癫痫发作切换到人工智能模型。
[0020]在一些实施方案中，该方法包括：由处理电路通过确定通过统计学分析进行的候选癫痫发作的至少预定义量的检测也被人工智能模型检测到，来确定从利用统计学分析来识别候选癫痫发作切换到人工智能模型。
[0021]在一些实施方案中，由处理电路通过以下步骤利用本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种癫痫发作检测系统，所述癫痫发作检测系统包括一个或多个电路，其中所述一个或多个电路被配置成：接收基于患者的脑电活动生成的脑电图(EEG)信号；利用统计学分析来识别候选癫痫发作，所述统计学分析基于所述EEG信号的非线性特征的变化来识别所述候选癫痫发作；确定从利用所述统计学分析来识别所述候选癫痫发作切换到人工智能模型；以及从利用所述统计学分析来识别所述候选癫痫发作切换到利用所述EEG信号基于所述人工智能模型来识别所述候选癫痫发作。2.根据权利要求1所述的癫痫发作检测系统，其中所述一个或多个电路被配置成：确定所述统计学分析的第一性能水平；以及确定所述人工智能模型的第二性能水平；其中所述一个或多个电路被配置成响应于确定所述第二性能水平大于所述第一性能水平而确定从利用所述统计学分析来识别所述候选癫痫发作切换到所述人工智能模型。3.根据权利要求1所述的癫痫发作检测系统，其中所述一个或多个电路被配置成：通过确定通过所述统计学分析进行的所述候选癫痫发作的至少预定义量的检测也被所述人工智能模型检测到，来确定从利用所述统计学分析来识别所述候选癫痫发作切换到所述人工智能模型。4.根据权利要求1所述的癫痫发作检测系统，其中所述一个或多个电路被配置成通过以下步骤利用所述统计学分析来识别所述候选癫痫发作：基于所述EEG信号确定多个度量，所述多个度量指示所述EEG信号的所述非线性特征；以及通过至少部分基于所述多个度量确定所述EEG信号的所述非线性特征随时间的变化，来确定所述EEG信号指示所述候选癫痫发作，其中所述非线性特征的所述变化指示引起所述候选癫痫发作的生理诱因。5.根据权利要求4所述的癫痫发作检测系统，其中至少部分基于所述多个度量确定所述EEG信号的所述非线性特征的所述变化包括确定所述非线性特征随时间的增加。6.根据权利要求4所述的癫痫发作检测系统，其中所述多个度量包括维数、同步性、李雅普诺夫指数、一种或多种形式的熵、一种或多种形式的特征值、全局非线性、递归轨迹之间的距离差、高阶谱、复杂度损失、替代测试或自相似性中的至少一者。7.根据权利要求4所述的癫痫发作检测系统，其中所述一个或多个电路被配置成通过以下步骤确定所述EEG信号指示所述候选癫痫发作：至少部分基于所述多个度量确定所述EEG信号的所述非线性特征随时间的所述变化，方式是：利用所述多个度量中的一个度量执行初级分析，其中所述初级分析指示所述EEG信号指示候选癫痫发作或指示所述EEG信号包括噪声；以及利用所述多个度量中的一个或多个度量执行次级分析，以确定是所述EEG信号指示所述候选癫痫发作，还是所述EEG信号包括所述噪声。8.根据权利要求1所述的癫痫发作检测系统，其中所述一个或多个电路被配置成：在第一操作阶段中操作，在所述第一操作阶段中，所述一个或多个电路利用所述统计
学分析来识别所述候选癫痫发作；以及在第二操作阶段中操作，在所述第二操作阶段中，所述一个或多个电路利用所述人工智能模型来识别所述候选癫痫发作。9.根据权利要求8所述的癫痫发作检测系统，其中所述一个或多个电路被配置成通过以下步骤在所述第一操作阶段中操作：生成癫痫发作警报，所述癫痫发作警报指示所述EEG信号指示通过所述统计学分析识别的所述候选癫痫发作；以及使得用户界面显示所述癫痫发作警报。10.根据权利要求8所述的癫痫发作检测系统，其中所述一个或多个电路被配置成通过以下步骤在所述第一操作阶段中操作：在通过所述统计学分析识别所述候选癫痫发作时基于训练数据来训练所述人工智能模型。11.根据权利要求10所述的癫痫发作检测系统，其中所述一个或多个电路被配置成通过以下步骤在所述第一操作阶段中操作：基于所述EEG信号和通过所述统计学分析识别的所述候选癫痫发作来训练所述人工智能模型。12.根据权利要求10所述的癫痫发作检测系统，其中所述一个或多个电路被配置成通过以下步骤在所述第一操作阶段中操作：生成癫痫发作警报，所述癫痫发作警报指示所述EEG信号指示通过所述统计学分析识别的所述候选癫痫发作；使得用户界面显示所述癫痫发作警报；经由所述用户界面从用户接收所述候选癫痫发作的标记或所述EEG信号；以及基于所述标记和所述EEG信号来训练所述人工智能模型。13.一种癫痫发作检测方法，所述癫痫发作检测方法包括：由处理电路接收基于患者的脑电活动生成...

【专利技术属性】
技术研发人员：库尔特，
申请(专利权)人：全球先进临床解决方案有限公司，
类型：发明
国别省市：