用于确定生物标记物的含量的方法和设备技术

本申请提出用于确定生物标记物的含量的方法和设备

【技术实现步骤摘要】
用于确定生物标记物的含量的方法和设备


[0001]本申请涉及数据处理，特别地，涉及基于脑电图信号确定认知障碍的生物标记物的含量的方法，设备以及计算机存储介质
。

技术介绍

[0002]脑电图
EEG
信号在帮助医生对患者的脑部检查数据进行评估和疾病诊断中发挥着重要作用
。
认知障碍作为一种脑部病症，存在多种检测方式
。
除了通过处理
EEG
信号提供存在认知障碍状况的预测和判断，还可以使用与认知障碍相关的生物标记物辅助相关检测和分析
。
[0003]例如，可以选择脑脊液中的
β1‑
42
蛋白和
Ptau
蛋白作为认知障碍的生物标记物
。
这些生物标记物的含量的预测和确定可以通过统计学方法找到与上述蛋白相关性较高的脑电图
EEG
信号特征来完成
。
可以验证从
EEG
信号中提取的信号特征在健康人群和存在认知障碍的人群
(
也称为患者
)
的数据之间的统计学差异，从而证明所提取的
EEG
信号特征在辅助检测认知障碍方面的有效性
。
[0004]但是，通过脑电图
EEG
信号预测与认知障碍相关的生物标记物的现有方案仅用于寻找与特定蛋白的含量显著相关的信号特征，并没有进一步实现对蛋白的含量的预测，即无法提供用于帮助医生预测受试者存在认知障碍状况的定量的数据信息
。
[0005]因此，存在对相关生物标记物的含量进行预测和确定的改进需求
。

技术实现思路

[0006]为了解决上文中提及的至少一个问题，本申请提出了用于确定与认知障碍相关的生物标记物的含量的方法
、
设备和计算机存储介质
。
[0007]根据本申请的一方面，提出一种用于确定生物标记物的含量的方法，包括：
[0008]获取具有多个导联通道的脑电图
EEG
信号；
[0009]从
EEG
信号提取
EEG
信号特征，其中
EEG
信号特征包括如下中的至少一个：频带能量特征，连接性特征，潜在空间特征和微状态特征；以及
[0010]基于
EEG
信号特征与生物标记物的含量之间的函数关系和
EEG
信号特征确定生物标记物的含量，
[0011]其中，函数关系通过对
EEG
信号的历史数据所提取的
EEG
信号特征和与
EEG
信号的历史数据对应的生物标记物的含量数据进行拟合来确定
。
[0012]根据本申请的另一方面，提出一种用于确定生物标记物的含量的设备，包括：
[0013]输入单元，其被配置为获取具有多个导联通道的脑电图
EEG
信号；
[0014]处理单元，其被配置为：从
EEG
信号提取
EEG
信号特征，其中
EEG
信号特征包括如下中的至少一个：频带能量特征，连接性特征，潜在空间特征和微状态特征；以及基于
EEG
信号特征与生物标记物的含量之间的函数关系和
EEG
信号特征确定生物标记物的含量，其中，函数关系通过对
EEG
信号的历史数据所提取的
EEG
信号特征和与
EEG
信号的历史数据对应的生
物标记物的含量数据进行拟合来确定；
[0015]输出单元，其被配置为输出生物标记物的含量
。
[0016]根据本申请的又一方面，提出一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，执行如上所述的方法
。
[0017]根据本申请的再一方面，提出一种电子设备，其包括处理器以及用于存储处理器的可执行指令的存储器，该处理器被配置为执行可执行指令以实施如上所述的方法
。
[0018]根据本申请的方法和设备使用了从
EEG
信号中提取的更多维度的
EEG
信号特征，它们相比现有的统计性方法的特征具有更强的有效性
。
通过使用多元线性回归分析手段，本申请的方案可以准确高效地预测和确定与
EEG
信号对应的生物标记物含量，更有助于对认知障碍相关的症状的存在和发生情况进行有效监测和分析
。
附图说明
[0019]通过参照附图详细描述其示例性实施例，本申请的上述和其它特征及优点将变得更加明显
。
[0020]图1为根据本申请的一个实施例的用于确定生物标记物的含量的方法的示意性系统流程
。
[0021]图2为根据本申请的一个实施例的方法中用于提取
EEG
信号的微状态特征部分的示意性流程
。
[0022]图3为根据本申请的一个实施例的用于确定生物标记物的含量的设备的示意性结构框图
。
[0023]图4为根据本申请的另一个实施例的用于确定生物标记物的含量的设备的示意性结构框图
。
[0024]图5为根据本申请的一个实施例的电子设备的示意性框图
。
具体实施方式
[0025]现在将参考附图更全面地描述示例性实施例
。
然而，示例性实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本申请的内容变得全面和完整，并将示例性实施例的构思全面地传达给本领域的技术人员
。
在图中，为了清晰，可能会夸大部分元件的尺寸或加以变形
。
在图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述
。
[0026]此外，所描述的特征
、
结构或特性可以以任何合适的方式结合在一个或更多实施例中
。
在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解
。
然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法
、
元件等
。
在其它情况下，不详细示出或描述公知结构
、
方法或者操作以避免模糊本申请内容的各方面
。
[0027]经过分析，脑脊液中的多种蛋白被认定与阿尔兹海默症
(AD)
和血管性痴呆
(VD)
存在关联，因此可以作为与认知障碍相关的生物标记物并通过预测其含量来辅助这些病症的检查和诊断
。
这些生物标记物包括但不限于
β
淀粉样1‑
42
蛋白
、
...

【技术保护点】

【技术特征摘要】
1.
一种用于确定生物标记物的含量的方法，包括：获取具有多个导联通道的脑电图
EEG
信号；从所述
EEG
信号提取
EEG
信号特征，其中所述
EEG
信号特征包括如下中的至少一个：频带能量特征，连接性特征，潜在空间特征和微状态特征；以及基于所述
EEG
信号特征与所述生物标记物的含量之间的函数关系和所述
EEG
信号特征确定所述生物标记物的含量，其中，所述函数关系通过对
EEG
信号的历史数据所提取的
EEG
信号特征和与所述
EEG
信号的历史数据对应的所述生物标记物的含量数据进行拟合来确定
。2.
根据权利要求1所述的方法，其特征在于，从所述
EEG
信号提取
EEG
信号特征包括如下中的至少一项：提取所述
EEG
信号的频带能量特征；提取成对的两个导联通道的
EEG
信号之间的连接性特征；提取每个导联通道的
EEG
信号的潜在空间特征；提取每个导联通道的
EEG
信号的微状态特征
。3.
根据权利要求2所述的方法，其特征在于，提取所述
EEG
信号的频带能量特征进一步包括：将每个导联通道的
EEG
信号转换为功率谱密度
PSD
信号；分别提取如下特征参数中的至少一个：每个导联通道的
PSD
信号的绝对频带能量和相对频带能量；与脑区相对应的导联通道的
PSD
信号的脑区平均频带能量；成对的两个导联通道的
PSD
信号之间的频带能量不对称性；每个导联通道的
PSD
信号的频带峰值数据
。4.
根据权利要求3所述的方法，其特征在于，通过积分求和提取所述
PSD
信号的绝对频带能量和相对频带能量
。5.
根据权利要求3所述的方法，其特征在于，通过计算与脑区相对应的至少一个导联通道的
PSD
信号的频带能量的平均值提取所述
PSD
信号的脑区平均频带能量
。6.
根据权利要求3所述的方法，其特征在于，通过对成对的两个导联通道的
PSD
信号进行相减提取所述两个导联通道的
PSD
信号之间的所述频带能量不对称性
。7.
根据权利要求3所述的方法，其特征在于，通过
fooof
模型提取所述
PSD
信号的频带峰值数据
。8.
根据权利要求2所述的方法，其特征在于，提取成对的两个导联通道的
EEG
信号之间的连接性特征进一步包括：针对成对的两个导联通道的
EEG
信号，将所述
EEG
信号切分为多个
EEG
信号片段；确定与所述两个导联通道对应的
EEG
信号片段之间的相关性；计算所述
EEG
信号片段之间的相关性的均值和
/
或方差以确定所述连接性特征
。9.
根据权利要求8所述的方法，其特征在于，计算所述
EEG
信号片段之间的相关性的均值和
/
或方差以确定所述连接性特征进一步包括：计算所述多个
EEG
信号片段之间的相关性并生成相关性矩阵；从所述相关性矩阵中提取与所述成对的两个导联通道对应的
EEG
信号片段之间的相关
性；计算与所述成对的两个导联通道对应的
EEG
信号片段之间的相关性的均值和
/
或方差以确定所述连接性特征
。10.
根据权利要求8所述的方法，其特征在于，在将所述
EEG
信号切分为多个
EEG
信号片段之前，对所述
EEG
信号进行包括包络提取的滤波操作
。11.
根据权利要求2所述的方法，其特征在于，提取每个导联通道的
EEG
信号的潜在空间特征进一步包括：针对每个导联通道的
EEG
信号，将所述
EEG
信号切分为多个
EEG
信号片段；使用潜在空间模型处理所述
EEG
信号片段以获得潜在空间模型结果；计算所述潜在空间模型结果的平均值
、
方差
、
相关矩阵均值和相关矩阵方差中的至少一个以确定所述潜在空间特征
。12.
根据权利要求
11
所述的方法，其特征在于，所述潜在空间模型为深度学习模型
。13.
根据权利要求
11
所述的方法，其特征在于，在使用潜在空间模型处理所述
EEG
信号之前，对所述
EEG
信号进行降采样和
/
或滤波
。14.
...

【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：