病灶定位方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及医学技术领域，公开了一种病灶定位方法、装置、设备及存储介质，该方法包括：对预设范围内的信号进行时频分析，并根据分析后信号的包络确定目标信号；根据目标信号的频域变化、小波系数和局部峰值进行特征提取，获得特征分量；根据空间滤波器构建头部模型，并根据矢量光束网格化头部模型；确定特征分量的协方差矩阵，并根据协方差矩阵和网格化后头部模型的能量分布定位病灶。本发明专利技术对滤波进行时频分析并根据分析后的信号包络确定目标信号，进行特征提取获得特征分量并确定特征分量的协方差矩阵，建立头部模型并对头部模型网格化，根据网格化后的头部模型和协方差矩阵定位病灶，从而能防止因人工诊断而导致的误诊，并提高了诊断的效率。提高了诊断的效率。提高了诊断的效率。

【技术实现步骤摘要】
病灶定位方法、装置、设备及存储介质


[0001]本专利技术涉及医学
，尤其涉及一种病灶定位方法、装置、设备及存储介质。

技术介绍

[0002]目前，神经影像技术在对癫痫诊断领域广泛应用，通过磁共振扫描有助于整顿脑部病理区域，但是，在临床上，通过人工诊断费时费力，并可能因其它干扰因素而存在误诊的情况。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本专利技术的主要目的在于提供一种病灶定位方法、装置、设备及存储介质，旨在解决因人工诊断癫痫疾病不仅费时费力还可能存在误诊的技术问题。
[0005]为实现上述目的，本专利技术提供一种病灶定位方法，所述病灶定位方法包括以下步骤：对预设范围内的信号进行时频分析，并根据分析后信号的包络确定目标信号；根据所述目标信号的频域变化、小波系数和局部峰值进行特征提取，获得特征分量；根据空间滤波器构建头部模型，并根据矢量光束网格化所述头部模型；确定所述特征分量的协方差矩阵，并根据所述协方差矩阵和网格化后头部模型的能量分布定位病灶。
[0006]可选地，所述确定所述特征分量的协方差矩阵，并根据所述协方差矩阵和网格化后头部模型的能量分布定位病灶的步骤，包括：根据约束条件和所述空间滤波器确定所述特征分量的协方差矩阵；根据所述协方差矩阵确定所述头部模型的网格能量值，并确定所述头部模型的网格能量插值；根据所述网格能量值和所述网格能量插值绘制所述头部模型的皮层能量分布，并根据所述皮层能量分布定位病灶。
[0007]可选地，所述根据约束条件和所述空间滤波器确定所述特征分量的协方差矩阵的步骤，包括：根据偶极矩确定对应的空间滤波器，并根据所述空间滤波器形成的方差确定约束条件；根据约束条件和所述空间滤波器确定所述特征分量的协方差矩阵。
[0008]可选地，所述对预设范围内的信号进行时频分析，并根据分析后信号的包络确定目标信号的步骤，包括：获取预设范围内的信号，并划分所述信号确定划分后各段信号的小波熵；
根据所述小波熵确定检测阈值，并确定所述各段信号的信号包络；在所述信号包络大于所述检测阈值时，将所述信号包络对应的信号作为待检测信号；在对所述待检测信号的检测时长超过预设阈值时，将所述待检测信号作为目标信号。
[0009]可选地，所述根据所述目标信号的频域变化、小波系数和局部峰值进行特征提取，获得特征分量的步骤之后，还包括：根据所述特征分量确定特征向量，并根据所述特征向量确定初始特征图；根据所述初始特征图确定初始列表集合，并从所述初始列表集合中选择任一两个列表集群进行比较；根据比较结果进行筛选，并根据筛选结果获得目标列表集群；将所述目标列表集群与所述初始列表集合中任一列表集群进行比较，并返回所述根据比较结果进行筛选，并根据筛选结果获得目标列表集群的步骤，直至第一比较次数达到第一预设阈值获得目标特征集群。
[0010]可选地，所述根据比较结果进行筛选，并根据筛选结果获得目标列表集群的步骤包括：在任一两个列表集群都不为空集时，判断所述任一两个列表集群是否有相同的数据；在所述任一两个列表集群中存在相同的数据时，将所述任一两个列表集群合并，获得目标列表集群；在所述任一两个列表集群中不存在相同的数据时，返回所述从所述初始列表集合中选择任一两个列表集群进行比较的步骤，直至第二比较次数达到第二预设阈值获得目标特征集群。
[0011]可选地，所述将所述目标列表集群与所述初始列表集合中任一列表集群进行比较，并返回所述根据比较结果进行筛选，并根据筛选结果获得目标列表集群的步骤，直至第一比较次数达到第一预设阈值获得目标特征集群的步骤之后，还包括：根据所述目标特征集群的数量和所述目标特征集群的相对频率确定所述目标特征集群的熵；根据所述熵和所述数量确定所述目标特征集群的熵率，并根据所述熵率定位病灶。
[0012]此外，为实现上述目的，本专利技术还提出一种病灶定位装置，所述病灶定位装置包括：信号确定模块、分量确定模块、模型确定模块及病灶定位模块；所述信号确定模块，用于对预设范围内的信号进行时频分析，并根据分析后信号的包络确定目标信号；所述分量确定模块，用于根据所述目标信号的频域变化、小波系数和局部峰值进行特征提取，获得特征分量；所述模型确定模块，用于根据空间滤波器构建头部模型，并根据矢量光束网格化所述头部模型；所述病灶定位模块，用于确定所述特征分量的协方差矩阵，并根据所述协方差矩
阵和网格化后头部模型的能量分布定位病灶。
[0013]此外，为实现上述目的，本专利技术还提出一种病灶定位设备，所述病灶定位设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行病灶定位程序，所述病灶定位程序配置为实现如上文所述的病灶定位方法。
[0014]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有病灶定位程序，所述病灶定位程序被处理器执行时实现如上文所述的病灶定位方法。
[0015]本专利技术公开了一种病灶定位方法、装置、设备及存储介质，该方法包括：对预设范围内的信号进行时频分析，并根据分析后信号的包络确定目标信号；根据目标信号的频域变化、小波系数和局部峰值进行特征提取，获得特征分量；根据空间滤波器构建头部模型，并根据矢量光束网格化头部模型；确定特征分量的协方差矩阵，并根据协方差矩阵和网格化后头部模型的能量分布定位病灶。本专利技术对滤波进行时频分析并根据分析后的信号包络确定目标信号，对目标信号进行特征提取获得特征分量并确定特征分量的协方差矩阵，建立头部模型并对头部模型网格化，根据网格化后的头部模型和协方差矩阵定位病灶，从而能防止因人工诊断而导致的误诊，并提高了诊断的效率。
附图说明
[0016]图1是本专利技术实施例方案涉及的硬件运行环境的病灶定位设备的结构示意图；图2为本专利技术病灶定位方法第一实施例的流程示意图；图3为本专利技术病灶定位方法第二实施例的流程示意图；图4为本专利技术病灶定位装置第一实施例的结构框图。
[0017]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0018]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0019]参照图1，图1为本专利技术实施例方案涉及的硬件运行环境的病灶定位设备结构示意图。
[0020]如图1所示，该病灶定位设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display），可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本专利技术中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless
‑
Fidelity，Wi
‑
Fi）接口本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病灶定位方法，其特征在于，所述病灶定位方法包括以下步骤：对预设范围内的信号进行时频分析，并根据分析后信号的包络确定目标信号；根据所述目标信号的频域变化、小波系数和局部峰值进行特征提取，获得特征分量；根据空间滤波器构建头部模型，并根据矢量光束网格化所述头部模型；确定所述特征分量的协方差矩阵，并根据所述协方差矩阵和网格化后头部模型的能量分布定位病灶。2.如权利要求1所述的病灶定位方法，其特征在于，所述确定所述特征分量的协方差矩阵，并根据所述协方差矩阵和网格化后头部模型的能量分布定位病灶的步骤，包括：根据约束条件和所述空间滤波器确定所述特征分量的协方差矩阵；根据所述协方差矩阵确定所述头部模型的网格能量值，并确定所述头部模型的网格能量插值；根据所述网格能量值和所述网格能量插值绘制所述头部模型的皮层能量分布，并根据所述皮层能量分布定位病灶。3.如权利要求2所述的病灶定位方法，其特征在于，所述根据约束条件和所述空间滤波器确定所述特征分量的协方差矩阵的步骤，包括：根据偶极矩确定对应的空间滤波器，并根据所述空间滤波器形成的方差确定约束条件；根据约束条件和所述空间滤波器确定所述特征分量的协方差矩阵。4.如权利要求1所述的病灶定位方法，其特征在于，所述对预设范围内的信号进行时频分析，并根据分析后信号的包络确定目标信号的步骤，包括：获取预设范围内的信号，并划分所述信号确定划分后各段信号的小波熵；根据所述小波熵确定检测阈值，并确定所述各段信号的信号包络；在所述信号包络大于所述检测阈值时，将所述信号包络对应的信号作为待检测信号；在对所述待检测信号的检测时长超过预设阈值时，将所述待检测信号作为目标信号。5.如权利要求1所述的病灶定位方法，其特征在于，所述根据所述目标信号的频域变化、小波系数和局部峰值进行特征提取，获得特征分量的步骤之后，还包括：根据所述特征分量确定特征向量，并根据所述特征向量确定初始特征图；根据所述初始特征图确定初始列表集合，并从所述初始列表集合中选择任一两个列表集群进行比较；根据比较结果进行筛选，并根据筛选结果获得目标列表集群；将所述目标列表集群与所述初始列表集合中任一列表集群进行比较，并返回所述根据...

【专利技术属性】
技术研发人员：侯艳，
申请(专利权)人：北京大学，
类型：发明
国别省市：