【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
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。