【技术实现步骤摘要】
本专利技术涉及信号处理领域，具体涉及了一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法。
技术介绍
1、癫痫灶定位是开展癫痫灶切除术等治疗的重要前提，联合脑电和磁共振的个性化癫痫灶定位，结合脑电高时间分辨率的功能信息和脑磁共振高空间分辨率的结构信息，实现高时空分辨率的大脑皮层成像，给精准定位癫痫灶带来新方法。但现有方法存在伪迹复杂难去除、人工判读癫痫脑电信号效率低、逆问题求解精度低等问题。为此，本项目将：针对脑电伪迹复杂难自动识别并去除的问题，研究基于快速多维经验模态分解与典型相关分析的脑电伪迹去除方法，为癫痫灶精准定位提供纯净的脑电信号；针对脑电信号混沌、存在大量非癫痫信号，导致癫痫信号难自动提取的问题，研究基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，基于感兴趣的脑电信号进行癫痫灶定位，提高工作效率并降低误操作率；针对逆问题求解精度低从而限制癫痫灶定位精度的问题，研究基于量子粒子群串联序列二次规划法的逆问题高精度求解方法，实现癫痫灶智能精准定位，助力临床及相关科学研究。
2、癫痫灶（cpileptogenic zone, ez）是指大脑内导致癫痫发作的皮层区域。癫痫灶定位，就是定位ez 区域以及确定这些区域是否靠近重要的脑功能区，是临床手术前重要的诊断步骤。
3、神经外科手术治疗癫痫最常见的方法有以下三种：一是通过确定脑内皮层下致癫痫灶，实施手术去除，消除产生癫痫的来源；二是破坏皮层下有关传导癫痫的途径，以阻止癫痫放电向远处传播，减少癫痫发生；三是破坏脑内特定结构，进而
4、据统计，我国癫痫病患者约900 万，每年新增癫痫病患者约65~70 万。其中，约1/4的癫痫患者无法完全用药物控制或治愈，称为“难治性癫痫”，通常都需要手术治疗。目前，临床非侵入性诊断癫痫灶通常需要结合病人的发作状态及多模态医学成像技术进行综合判断，形态学检查（ct、mri 等）只能检查出明显形态异常造成的症状性癫痫灶，如肿瘤、血管畸形等，否则对致癫灶的探测敏感性不高。正电子发射断层成像（pet）价格较高，需要注射示踪剂，对人体有辐射作用，检测病变的特异性不高。截至目前，尚无成熟的技术可以完全确定ez 区。
5、为此，本专利技术要解决的技术问题是基于快速多维经验模态分解与典型相关分析的脑电伪迹去除方法，为癫痫灶精准定位提供纯净的脑电信号。
技术实现思路
1、本专利技术提出一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，包括：
2、步骤一，脑电数据的配准；
3、步骤二，eeg伪迹去除；
4、步骤三，癫痫信号识别。
5、进一步地，所述步骤一包括：
6、脑电数据包括个性化的mri图像和脑电数据eeg，将两者数据采用配准算法进行配准，将所述个性化的mri图像进行包含源模型和头模型的正问题建模；所述正问题建模后进行逆问题求解，所述逆问题相对于所述正问题，也称脑电逆问题，是脑电（eeg）源定位问题，就是通过头皮电位的测量数据反向推演脑内神经活动源，采用量子粒子群串联序列二次规划法提高逆问题的求解精度。
7、进一步地，所述步骤二包括：
8、保留真实神经电信号，采用快速多维经验模态分解与典型相关分析的脑电伪迹去除eeg伪迹。
9、进一步地，所述步骤三包括：
10、提取癫痫灶处神经元异常放电信号，所述异常脑电信号就是与癫痫相关的癫痫信号成分，选择能有效识别癫痫信号的特征组合，基于感兴趣的脑电信号进行癫痫灶定位。
11、本专利技术还提出一种癫痫灶智能精准定位辅助装置，包括：
12、头戴式耳机（1），所述头戴式耳机（1）两外侧均设有多个连接架（2），且所述连接架（2）通过旋转帽与所述头戴式耳机（1）外侧转动连接；
13、多个贴合支架（3），多个所述贴合支架（3）两个一组依次安装在多个所述连接架（2）外端。
14、进一步地，所述贴合支架（3）包括用于电极片安装的贴合板（4），所述贴合板（4）尾端固定有u型板（5），且所述u型板（5）两端固定贯穿有连接轴（6），所述连接轴（6）两端均通过轴承转动安装有支撑板（7），且两个所述支撑板（7）尾端固定有调节板（8），所述连接架（2）外端安装有用于所述调节板（8）旋转的调节件（9），且所述调节板（8）外端固定有限位件（10）。
15、进一步地，所述调节件（9）包括固定在调节板（8）背侧的调节杆（11），所述调节杆（11）与所述连接架（2）滑动插接，且所述调节杆（11）外端螺纹插接有拧紧帽（12）。
16、进一步地，所述限位件（10）包括固定在所述调节板（8）外端的l型板（13），所述l型板（13）端头处滑动插接有棱形杆（14），所述连接轴（6）外侧固定有齿轮柱（15），所述棱形杆（14）外端固定有与所述齿轮柱（15）相卡接的齿块（16），且所述棱形杆（14）另一端固定有限位块（17），所述棱形杆（14）外侧套有与齿块（16）相挤压的挤压弹簧（18）。
17、进一步地，所述贴合板（4）采用透明塑料材质制成，且所述贴合板（4）外壁均为磨砂面。
18、进一步地，所述连接架（2）为l型结构。
19、本专利技术具有以下技术效果：
20、脑电（eeg）源定位技术具备更高的敏感性和特异性，更高的时间分辨率，空间覆盖率高，联合脑结构mri 提供的高空间分辨率的头部结构信息，能够实现个性化高时空分辨率的源定位。但在该过程中，本专利技术从提高采集癫痫脑电信号的准确性和改进逆问题求解算法的性能两个方面进行了技术创新：
21、（1）脑内自发活动众多，eeg 信号伪迹复杂，给源定位问题带来了较大误差。同时，eeg伪迹难以识别并去除。本专利技术通过高质量地去除eeg 的复杂伪迹方法和智能精准定位辅助装置，提高源定位精度。
22、（2）癫痫是癫痫灶处神经元异常放电引起的，该部分异常脑电信号就是与癫痫相关的癫痫信号成分，其在脑电信号中占比很小，大部分非癫痫成分被电极片因位置错位获取到杂波信号，对脑电源定位问题造成干扰，而且带来不必要的计算负担。为避免非癫痫成分的干扰，通过设计的多个贴合支架实现对多个电极片的承载，在人员佩戴耳机后，通过对单个贴合支架的掰开实现与头皮的分离，从而使得对电极片位置的微调更加方便便捷，满足电极片对不同人群头部不同位置的贴合，使得定位更加精准，可以从复杂原始信号中识别与癫痫发作有关的成分或频段。
23、（3）脑电逆问题存在不适定性及病态性。不适定性意味着解是不唯一的，需要附加具备物理意义且符合生理机制的约束条件；病态性意味着解空间的敏感性，微小的扰动将会带来解空间的剧烈震荡；同时，由于事先没有任何关于脑内源空间的先验信息，脑电源定位问题的解空本文档来自技高网...
【技术保护点】
1.一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述步骤一包括：
3.根据权利要求1所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述步骤二包括：
4.根据权利要求1所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述步骤三包括：
5.根据权利要求4所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述癫痫信号识别采用一种癫痫灶智能精准定位辅助装置，包括：
6.根据权利要求5所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述贴合支架（3）包括用于电极片安装的贴合板（4），所述贴合板（4）尾端固定有U型板（5），且所述U型板（5）两端固定贯穿有连接轴（6），所述连接轴（6）两端均通过轴承转动安装有支撑板（7），且两个所述支撑板（7）尾端固
7.根据权利要求6所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述调节件（9）包括固定在调节板（8）背侧的调节杆（11），所述调节杆（11）与所述连接架（2）滑动插接，且所述调节杆（11）外端螺纹插接有拧紧帽（12）。
8.根据权利要求6所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述限位件（10）包括固定在所述调节板（8）外端的L型板（13），所述L型板（13）端头处滑动插接有棱形杆（14），所述连接轴（6）外侧固定有齿轮柱（15），所述棱形杆（14）外端固定有与所述齿轮柱（15）相卡接的齿块（16），且所述棱形杆（14）另一端固定有限位块（17），所述棱形杆（14）外侧套有与齿块（16）相挤压的挤压弹簧（18）。
9.根据权利要求6所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述贴合板（4）采用透明塑料材质制成，且所述贴合板（4）外壁均为磨砂面。
10.根据权利要求5所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述连接架（2）为L型结构。
...【技术特征摘要】
1.一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述步骤一包括：
3.根据权利要求1所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述步骤二包括：
4.根据权利要求1所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述步骤三包括：
5.根据权利要求4所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述癫痫信号识别采用一种癫痫灶智能精准定位辅助装置，包括：
6.根据权利要求5所述的一种基于决策树和支持向量机的最优特征选择及癫痫信号的智能识别方法，其特征在于，所述贴合支架（3）包括用于电极片安装的贴合板（4），所述贴合板（4）尾端固定有u型板（5），且所述u型板（5）两端固定贯穿有连接轴（6），所述连接轴（6）两端均通过轴承转动安装有支撑板（7），且两个所述支撑板（7）尾端固定有调节板（8），所述连接架（2）外端安装有用于所述调节板（8）旋转的调节件（9），且所述调节板（8...
【专利技术属性】
技术研发人员：高欣，夏威，张家意，刘刚，
申请(专利权)人：济南国科医工科技发展有限公司，
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。