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】
本专利技术涉及人工智能,尤其涉及一种新生儿癫痫检测方法、装置和设备。
技术介绍
1、新生儿癫痫是神经系统疾病最常见的临床表现,可能对新生儿大脑的神经发育产生不利影响。如果未得到及时治疗,未来可能会增加认知和行为障碍或导致癫痫。因此,新生儿癫痫的检测非常重要,这有助于确定专门的治疗方案并预防未来的不良状况。
2、连续脑电图(eeg,electroencephalogram)记录是视觉检测新生儿癫痫的最佳方法。但是,这种方法非常繁重且耗时,需要高度训练有素的专家检查非常长的eeg记录的时间走向。此外,这个过程容易产生主观解释和专家间的差异。因此,自动检测新生儿癫痫的方法很有必要性,以便在没有专门训练的临床医生的情况下有效地使用eeg记录。
3、在一些技术方案中,基于启发式规则及阈值来检测新生儿癫痫。该技术方案在视觉检查和临床解释连续eeg上检测新生儿癫痫的一些临床特征,例如周期性、节律性放电或尖锐性放电,然后将这些临床特征与预定义的阈值进行比较,从而将eeg的时间窗口分类为“癫痫”或“非癫痫”。然而,该技术方案的分类性能较差,不足以可靠地用于新生儿重症监护病房(nicu,neonatal intensive care unit)的例行使用。
4、在另一些技术方案中,采用了基于数据驱动的机器学习方法的自动新生儿癫痫检测器。该技术方案可以提取eeg信号的更高级别特征,并将这些特征馈送到分类器中进行分析。然而,为了正确地训练分类器,该技术方案除了每次癫痫发作开始和结束的瞬间的时间注释外,还需要对包含癫痫
5、在另一些技术方案中,采用了基于深度学习的新生儿癫痫检测器,该技术方案通常基于eeg通道内的特征进行检测,性能并不高。
6、公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、本专利技术实施例提供一种新生儿癫痫检测方法、装置和设备,其基于脑电图的通道内的特征及通道间的特征来对新生儿癫痫进行检测,从而能够提高新生儿癫痫检测的性能。
2、本专利技术实施例的第一方面,提供一种新生儿癫痫检测方法,所述方法包括:
3、将待识别的第一脑电图转换为第一图形表示,其中,所述第一脑电图是指从第二脑电图中获取的预设时长的脑电时段图,所述第二脑电图是指采集的新生儿的连续脑电图,所述第一图形表示包括节点、节点之间的边以及节点的信号特征,所述节点表示所述第一脑电图中的通道,所述节点之间的边表示所述节点对应的通道之间的相关性;
4、对所述第一图形表示进行检测,得到检测结果,所述检测结果用于指示所述第一脑电图为癫痫事件的概率。
5、根据本专利技术的一个实施例,所述将待识别的第一脑电图转换为第一图形表示,包括:
6、根据所述第一脑电图的通道,确定多个节点,所述节点与所述第一脑电图的通道一一对应;
7、从所述第一脑电图中,提取各个节点的信号特征;
8、确定各个节点之间的相关性;
9、根据所述各个节点之间的相关性,建立邻接矩阵,所述邻接矩阵为由0和1组成的二值矩阵,1表示两个节点之间存在相关性,0表示两个节点之间不存在相关性;
10、根据所述多个节点、所述各个节点的信号特征及所述邻接矩阵,建立第一图形表示。
11、根据本专利技术的一个实施例,所述确定各个节点之间的相关性,包括:
12、对于任意两个节点,计算所述两个节点之间的相位锁定值;
13、在所述两个节点之间的相位锁定值大于或等于预设的相位锁定值的阈值的情况下,确定所述两个节点之间存在相关性。
14、根据本专利技术的一个实施例,所述确定各个节点之间的相关性,包括:
15、对于任意两个节点,计算所述两个节点之间的幅度平方相干性;
16、在所述两个节点之间的幅度平方相干性大于或等于预设的幅度平方相干性的阈值的情况下,确定所述两个节点之间存在相关性。
17、根据本专利技术的一个实施例,所述对所述第一图形表示进行检测,得到检测结果,包括:
18、通过癫痫检测器对所述第一图形表示进行检测,得到检测结果,其中,所述癫痫检测器为图卷积神经网络。
19、根据本专利技术的一个实施例,所述癫痫检测器包括特征提取子网络及分类子网络,所述特征提取子网络包括图卷积层及relu激活层,所述分类子网络包括全连接层及sigmod激活函数。
20、根据本专利技术的一个实施例,所述通过癫痫检测器对所述第一图形表示进行检测,得到检测结果,包括:
21、将所述第一图形表示输入所述特征提取子网络进行特征提取,得到第二图形表示;
22、将所述第二图形表示输入所述分类子网络进行分类,得到所述检测结果。
23、本专利技术实施例的第二方面,提供一种新生儿癫痫检测装置,所述装置包括:
24、转换模块,用于将待识别的第一脑电图转换为第一图形表示,其中,所述第一脑电图是指从第二脑电图中获取的预设时长的脑电时段图,所述第二脑电图是指采集的新生儿的连续脑电图,所述第一图形表示包括节点、节点之间的边以及节点的信号特征,所述节点表示所述第一脑电图中的通道,所述节点之间的边表示所述节点对应的通道之间的相关性;
25、检测模块,用于对所述第一图形表示进行检测,得到检测结果,所述检测结果用于指示所述第一脑电图为癫痫事件的概率。
26、本专利技术实施例的第三方面,提供一种新生儿癫痫检测设备,包括:
27、处理器;
28、用于存储处理器可执行指令的存储器;
29、其中,所述处理器被配置为调用所述存储器存储的指令,以执行所述新生儿癫痫检测方法。
30、本专利技术实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现所述新生儿癫痫检测方法。
31、本专利技术实施例的新生儿癫痫检测方法,能够将待识别的第一脑电图转换为第一图形表示,第一图形表示包括节点(表示第一脑电图中的通道)、节点之间的边(节点对应的通道之间的相关性)以及节点的信号特征,然后对第一图形表示进行检测,得到检测结果,该检测结果用于指示第一脑电图为癫痫事件的概率。通过这种方式,能够基于预设时长的脑电图的通道内的特征及通道间的特征来对新生儿癫痫进行检测,从而能够提高新生儿癫痫检测的性能。
32、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本专利技术。根据下面参考附图对示例性实施例的详细说明,本专利技术的其它特征及方面将更清楚。
本文档来自技高网...【技术保护点】
1.一种新生儿癫痫检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述将待识别的第一脑电图转换为第一图形表示,包括:
3.根据权利要求2所述的方法,其特征在于,所述确定各个节点之间的相关性,包括:
4.根据权利要求2所述的方法,其特征在于,所述确定各个节点之间的相关性,包括:
5.根据权利要求1-4中任意一项所述的方法,其特征在于,所述对所述第一图形表示进行检测,得到检测结果,包括:
6.根据权利要求5所述的方法,其特征在于,所述癫痫检测器包括特征提取子网络及分类子网络,所述特征提取子网络包括图卷积层及ReLU激活层,所述分类子网络包括全连接层及Si gmod激活函数。
7.根据权利要求6所述的方法,其特征在于,所述通过癫痫检测器对所述第一图形表示进行检测,得到检测结果,包括:
8.一种新生儿癫痫检测装置,其特征在于,所述装置包括:
9.一种新生儿癫痫检测设备,其特征在于,包括:
10.一种计算机可读存储介质,其上存储有计算机程序指令,所述计
...【技术特征摘要】
1.一种新生儿癫痫检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述将待识别的第一脑电图转换为第一图形表示,包括:
3.根据权利要求2所述的方法,其特征在于,所述确定各个节点之间的相关性,包括:
4.根据权利要求2所述的方法,其特征在于,所述确定各个节点之间的相关性,包括:
5.根据权利要求1-4中任意一项所述的方法,其特征在于,所述对所述第一图形表示进行检测,得到检测结果,包括:
6.根据权利要求5所述的方法,其特征在于,所述癫痫...
【专利技术属性】
技术研发人员:刘伟奇,马学升,陈金钢,彭思源,王肖玮,陈磊,赵晓彤,
申请(专利权)人:同心智医科技北京股份有限公司,
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。