System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于医学电子,具体涉及一种基于头皮脑电的癫痫病灶定位系统。
技术介绍
1、癫痫是由脑部神经元群异常放电导致的慢性神经系统疾病,全球有超过1%的人口遭受该疾病的困扰。癫痫发作具有突发性和反复性,不仅严重伤害患者的身体,还会影响患者及其家人的心理,极大地降低了其生活质量。对于难治局灶性癫痫,在实施病灶切除手术之前需要做术前评估以确定癫痫病灶的位置和范围。多通道脑电图对研究癫痫的产生和扩散机制有重要意义,不仅可以为术前评估提供参考,还有助于寻找癫痫传播的关键节点,预判手术效果。
2、在过去几年,有很多研究致力于使用信号分析处理技术对脑电信号进行分析以提高癫痫病灶定位的准确性,其中有很大一部分研究关注于定量化表征神经元群体之间的相互作用与因果关系。癫痫发作是大脑网络功能失调的结果,通过各个区域之间的连接变化来衡量大脑状态的改变更加符合癫痫发作的原理。脑网络功能连接可以从空间上研究不同的神经生理事件之间的因果关系,有助于了解各个脑区之间的相互作用。
3、基于granger因果测量的功能连通性分析是构建脑功能网络和癫痫病灶定位的有效方法。2017年,ioannis在定向偏向干(partial directed coherence,pdc)和定向传递函数(directed transfer function,dtf)的基础上,引入了有效流入的概念,采用广义定向偏相干(general partial directed coherence,gpdc)和有向连接(directedconnectivity,dc)来度
4、(1)癫痫病灶定位研究目前仍主要集中在发作期和发作前期,因为发作时病灶部位的异常更容易被检测到。然而癫痫发作的机制十分复杂,在发作间期也可能有导联存在异常放电。现有研究未能全面考虑发作间期与发作期之间的相关信息,因而定位结果存在一定的误差。
5、(2)现有研究仅分析发作期或发作间期脑电信号的差异,缺少对差异大小的量化方法,因而未能形成有效的病灶识别方法。
6、(3)现有研究主要基于颅内脑电信号,必须在医疗环境下由专业人员通过颅内插入电极的方法进行采集,采集条件十分苛刻。此外,长时间采集会给患者的日常行动造成很大限制,不仅费用昂贵,还有一定的感染风险。
技术实现思路
1、有鉴于此,本专利技术的目的是提供一种基于头皮脑电的癫痫病灶定位系统,可以实现癫痫患者的病灶定侧和定位。一种基于头皮脑电的癫痫病灶定位系统,包括数据预处理模块、因果流矩阵构建模块、特征提取模块、主频带选择模块、侧别选择模块以及导联定位模块;
2、所述数据预处理模块用于:
3、对每位患者的每次发作,截取发作前的脑电信号,作为发作间期样本;截取发作先后的一段脑电信号,作为发作初期样本,长度与发作间期样本相同;
4、所述因果流矩阵构建模块用于:
5、将脑电信号划分为5个子频带,针对发作间期样本和发作初期样本进行间隔采样,对每一个采样时刻t,计算得到每一个导联的因果矩阵m的元素,表示为:
6、
7、式中,f1和f2分别表示每个子频带的下限和上限;hij(f,t)表示在频率f下t采样时刻下的导联i和导联j之间的传递函数,k表示导联的数量;mij(t)表示第j导联到第i导联的信息流通的强度,取值范围在[0,1],某一时刻下从其他导联流入某一导联的信息之和为1;
8、因果矩阵m中主对角线上所有元素均为0,并将元素值大于设定阈值th的置为1,小于设定阈值th的置为0,得到二值矩阵mbin;
9、根据信息流通的方向,分别计算每一个频带下每一个导联的入度dein和出度deout;入度为该子频带下该导联所在行的所有元素值之和,出度为该导联所在列的所有元素值之和;该导联的因果流值为:cf=deout-dein;
10、所述特征提取模块用于:
11、对发作间期每一频带下每一导联的所有采样时刻的脑电信号样本,计算因果流平均值thnonseizure作为该频带下该导联的发作间期参考值;
12、对发作初期每一频带下每一导联的所有采样时刻的脑电信号样本,将每一个样本值与thnonseizure进行比较,计算所有小于thnonseizure的值的个数与所有样本个数的比值m1:
13、对发作初期每一频带下每一导联的所有采样时刻的脑电信号样本,计算所有小于thnonseizure的样本值的均值m2;将m1与m2相乘,记最终所提取的特征为fea1;
14、针对每个患者提取的每一频带下每一导联特征值fea1进行堆叠,得到特征矩阵fea1,用于表征患者的因果流参数在发作初期相比发作间期的差异程度;
15、所述主频带选择模块用于:
16、基于所提取的特征矩阵fea1,对每一频带下所有导联的特征值求和计算得到fbandh,用于表征每一频带在发作初期相比于发作间期的差异程度;共得到5个值,选择最大值所对应的频带作为该患者癫痫发作时的主频带;
17、所述侧别选择模块用于:
18、当患者的发作主频带选择完成后,基于主频带下的特征矩阵进行侧别定位。记主频带下的特征矩阵为fea2,维度为1*k,对矩阵fea2中属于左侧导联的元素值求和,得到fleft;对于矩阵fea2中属于右侧导联的元素值求和,得到fright;根据fleft和fright大小关系判断病灶位置所在脑部的左侧或者右侧;
19、所述导联定位模块用于:
20、基于所选择的主频带和侧别,对主频带下所选侧别的所有导联的特征值进行比较,最大值所对应的导联即为发作初期与发作间期相比变化最大的导联,该导联所对应的脑区即为此次发作的病灶位置。
21、较佳的,所述数据预处理模块,截取距离发作起始时刻至少1h前的一段长度为15s的脑电信号,作为发作间期样本,另外截取发作时刻前7s至发作时刻后8s的脑电信号,作为发作初期样本,长度与发作间期样本相同。
22、较佳的,所述数据预处理模块,其中,每段脑电信号的前5s用于kalman滤波器的适应阶段,在计算完成后被舍去,实际分析的信号长度为10s;采用0.5hz的高通滤波和50hz的带阻滤波去除每一导脑本文档来自技高网...
【技术保护点】
1.一种基于头皮脑电的癫痫病灶定位系统,其特征在于,包括数据预处理模块、因果流矩阵构建模块、特征提取模块、主频带选择模块、侧别选择模块以及导联定位模块;
2.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述数据预处理模块,截取距离发作起始时刻至少1h前的一段长度为15s的脑电信号,作为发作间期样本,另外截取发作时刻前7s至发作时刻后8s的脑电信号,作为发作初期样本,长度与发作间期样本相同。
3.如权利要求2所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述数据预处理模块,其中,每段脑电信号的前5s用于Kalman滤波器的适应阶段,在计算完成后被舍去,实际分析的信号长度为10s;采用0.5Hz的高通滤波和50Hz的带阻滤波去除每一导脑电的基线漂移和工频干扰。
4.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述因果流矩阵构建模块对子频带的划分方法为:{δ:0.5-4Hz;θ:4-8Hz;α:8-13Hz;β:13-30Hz;γ:30-128Hz},共5个子频带。
5.如权利要求1所述
6.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述阈值th的选择标准为:因果矩阵中除自连接边外的所有连接中,选择40%的连接强度较强的连接予以保留;对于维度为K*K的因果矩阵,将对角线的26个元素置零后对所有元素进行降序排序,选择第270个元素的值作为阈值th。
7.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述主频带选择模块,在对Fbandh进行降序排序后,若最大值与次大值的差值不超过最大值的α%,同时选择最大值和次大值所对应的频带为该患者的发作主频带;α的取值范围为[0.5,3]。
8.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述侧别选择模块:若Fleft>Fright,则左侧导联的变化比右侧导联的变化更明显,病灶位置可能在左侧;反之若Fright>Fleft,则右侧导联的变化比左侧导联的变化更明显,病灶位置可能在右侧。
9.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述侧别选择模块:当|Fleft-Fright|<0.02×max(Fleft,Fright)时,认为该患者在主频带下的左右脑没有明显的差异,可能为全面性发作,双侧半球均有异常,此时不进行发作侧别的判断,后续的分析将针对左右脑的所有导联。
10.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述导联定位模块,当病灶处于大脑内部深处时,传导至头皮上的区域可能不局限于一个导联,因此在对所有导联的特征值降序排序后,若最大值与次大值的差值不超过最大值的2%,可认为最大值与次大值非常接近,此时同时选择最大值和次大值所对应的导联为该患者的异常导联。
...【技术特征摘要】
1.一种基于头皮脑电的癫痫病灶定位系统,其特征在于,包括数据预处理模块、因果流矩阵构建模块、特征提取模块、主频带选择模块、侧别选择模块以及导联定位模块;
2.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述数据预处理模块,截取距离发作起始时刻至少1h前的一段长度为15s的脑电信号,作为发作间期样本,另外截取发作时刻前7s至发作时刻后8s的脑电信号,作为发作初期样本,长度与发作间期样本相同。
3.如权利要求2所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述数据预处理模块,其中,每段脑电信号的前5s用于kalman滤波器的适应阶段,在计算完成后被舍去,实际分析的信号长度为10s;采用0.5hz的高通滤波和50hz的带阻滤波去除每一导脑电的基线漂移和工频干扰。
4.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述因果流矩阵构建模块对子频带的划分方法为:{δ:0.5-4hz;θ:4-8hz;α:8-13hz;β:13-30hz;γ:30-128hz},共5个子频带。
5.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述因果流矩阵构建模块,每隔20个采样点作为一个采样时刻。
6.如权利要求1所述的一种基于头皮脑电的癫痫病灶定位系统,其特征在于,所述阈值th的选择标准为:因果矩阵中除自连接边外的所有连接中,选择40%的连接强度较强的连接予以保留;对于维度为k*k的因果矩...
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。