基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法和装置制造方法及图纸

本发明专利技术公开了一种基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法和装置，其中所述方法包括：采集待诊断患者的脑电图数据；使用MNE库将脑电图数据转换为CSD图像和PSD图像；采用双线性插值的方法将CSD图像和PSD图像扩充，获得宽与高一致的CSD和PSD图像；将扩充后的CSD图像和PSD图像合并，形成一个具有8个通道的三维张量；将所述三维张量输入诊断模型中，并基于所述诊断模型进行预测，获得预测结果；将所述预测结果与阿尔茨海默和额颞叶痴呆的诊断标准进行分类和比较，得出预测结果并对患者进行诊断。所述方法通过优化模型的结构和参数，对脑电图信号进行高效准确的分析和诊断，从而实现了更加准确、快速、客观的疾病诊断。客观的疾病诊断。客观的疾病诊断。

【技术实现步骤摘要】
基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法和装置


[0001]本专利涉及的
是医学诊断领域，尤其是一种基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法和装置。

技术介绍

[0002]阿尔茨海默病和额颞叶痴呆是老年人常见的神经系统疾病，主要表现为记忆力下降、语言障碍、认知功能受损。随着人口老龄化的加剧，这些疾病的发病率也在不断增加，给社会和患者本身带来了巨大的负担。
[0003]目前，医学界通常使用基于脑电图(EEG)的诊断技术来确定患者是否患有这些疾病。然而，由于EEG技术存在着诸如噪声、信号干扰等问题，以及专业医生的经验和专业知识对结果的影响等问题，传统的EEG诊断方法存在诊断准确性低、成本高等问题。
[0004]为了解决这些问题，近年来，深度学习技术在医疗领域得到了广泛的应用。利用深度学习算法，可以从大量的EEG数据中自动提取特征，并建立起与阿尔茨海默病和额颞叶痴呆相关的脑电图模式。这种基于深度学习的EEG诊断技术具有非常高的准确性和稳定性，并且可以大大降低诊断成本。因此，基于深度学习的EEG诊断技术成为当前阿尔茨海默病和额本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法，其特征在于，所述方法包括：采集待诊断患者的脑电图数据；使用MNE库将脑电图数据转换为CSD图像和PSD图像；采用双线性插值的方法将CSD图像和PSD图像扩充，获得宽与高一致的CSD和PSD图像；将扩充后的CSD图像和PSD图像合并，形成一个具有8个通道的三维张量；将所述三维张量输入诊断模型中，并基于所述诊断模型进行预测，获得预测结果；将所述预测结果与阿尔茨海默和额颞叶痴呆的诊断标准进行分类和比较，得出预测结果并对患者进行诊断。2.根据权利要求1所述的基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法，其特征在于，所述采集待诊断患者脑电图数据，包括；基于安放在患者头部相应位置的电极采集到的脑细胞活动产生的电信号，将电信号的电位与时间相结合的变化关系转换成脑电图数据；将脑电图数据进行记录和存储。3.根据权利要求1所述的基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法，其特征在于，所述使用mne库将脑电图数据转换为CSD图像和PSD图像，包括：安装mne库和导入待处理的脑电图数据；使用mne库中配置的函数，创建一个空白参考通道，消除头皮区的混叠效应；基于mne库中mne.time_frequency.csd_morlet()函数，计算出源密度，并对CSD图像进行滤波处理；使用mne库中可视化函数，将CSD图像可视化；使用mne库中的mne.time_frequency.psd_multitaper()函数，计算功率谱密度，并对PSD图像进行滤波处理；使用mne库中可视化函数，将PSD图像可视化。4.根据权利要求1所述的基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法，其特征在于，所述采用双线性插值的方法将CSD图像和PSD图像扩充，获得宽与高一致的CSD和PSD图像，包括：初始化图像，读取原图像的数据；使用numpy.meshgrid()函数生成一个新的宽高扩充后的网格坐标矩阵，获取目标图像的所有坐标；基于scipy.interpolate.interp2d()函数实现双线性插值，填充新的像素值，生成新的CSD和PSD图像；使用skimage.transform.rescale()函数调整图像大小，获得宽高均一致的CSD图像和PSD图像。5.根据权利要求1所述的基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法，其特征在于，所述将扩充后的CSD图像和PSD图像合并，形成一个具有8个通道的三维张量，包括：将CSD图像和PSD图像各自作为一个通道，形成宽高相同的两个二维图像；将这两个二维图像在深度维度进行拼接，形成一个具有8个通道的三维张量；在数组的最前面添加一个维度，表示样本数量，使用numpy.expand_dims()函数将三维数组的形状从[8,height,width]更改为[1,8,height,width]。
6.根据权利要求1所述的基于脑电图的阿尔茨海默和额颞叶痴呆诊断方法，其特征在于，所述诊断模型的训练过程，包括：构建深度神经网络模型作为初始的诊断模型；所述深度神经网络模型为使用PyTorch构建一个具有输入层、多层卷积层、批标准化层、Dropout层、全连接层和输出层的神经网络模型；收集阿尔茨海默金与额颞叶痴呆患者的脑电图数据和正常对照组数据，获得阿尔茨海...

【专利技术属性】
技术研发人员：何俊权，金四化，谢哲林，黄斌盛，
申请(专利权)人：肇庆美兰特科技有限公司，
类型：发明
国别省市：