【技术实现步骤摘要】
本专利技术涉及医疗器械，尤其是涉及一种pkd检测系统及其方法。
技术介绍
1、发作性运动诱发性运动障碍(pkd)是一种由突然动作诱发的非随意性运动障碍性疾病，表现为反复发作的短暂性肌张力障碍或舞蹈样动作，其临床表现与神经系统常见疾病癫痫非常相似，造成很多pkd患者在早期被误诊为癫痫，导致治疗延误。目前，临床上主要依靠医生的经验区分pkd和癫痫症，极易造成误诊。
2、近些年来，随着深度学习技术的发展，很多工作结合脑电信号(eeg，electroencephalogram)和深度学习技术用于脑疾病的研究。脑电起源于大脑皮层大量神经元的同步突触活动，其中包含大量脑生理和疾病信息，包括大脑的区域功能连接特征、脑区激活特征等。
3、但是现有方案在采集eeg信号时，通常是将多个单独的湿电极粘附于患者头部，一方面难以保证eeg信号的可靠采集，导致后续通过数据信息处理得到的检测结果准确性较差，另一方面由于需要提前进行皮肤准备、头发清洁、涂抹凝胶等过程，因此还存在操作复杂、效率较低、患者体验不适的问题。
4、此外，现有的研究模型集中在传统机器学习模型和深度学习卷积模型，这些模型将脑电信号仅仅看成简单的欧式结构、将每个电极单独处理，忽略了脑区之间连接的信息，导致实际中存在检测结果不够准确，无法准确区分pkd和癫痫。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种pkd检测系统及其方法，一方面设计可穿戴eeg信号采集设备，能够便捷、高效
2、本专利技术的目的可以通过以下技术方案来实现：一种pkd检测系统，包括依次通信连接的信号采集模块、服务端及用户终端，所述信号采集模块包括依次连接的可穿戴eeg信号采集设备、信号放大器和数模转换器，所述可穿戴eeg信号采集设备包括集成安装于头戴装置上的通信单元和采集传感器单元，所述采集传感器单元用于采集eeg信号、并通过通信单元传输至服务端；
3、所述服务端内设置有信号预处理模块、特征提取模块、gcn(graph convolutionalnetworks，图卷积网络)分类检测模块，所述信号预处理模块用于对采集的eeg信号进行信号筛选、滤波去噪、分段处理和独立成分分析处理；
4、所述特征提取模块用于从预处理后的eeg信号中提取对应pkd和癫痫的功能连通性特征；
5、所述gcn分类检测模块中预设有训练好的gcn分类模型，其输入为融合后的功能连通性特征、输出为pkd检测结果。
6、进一步地，所述采集传感器单元包括多个活动电极、一对参考电极和一个接地电极，其中，多个活动电极均布于头部两侧，一对参考电极分别位于左右耳乳突位置，接地电极位于头顶中央位置，所述活动电极、参考电极、接地电极均为干电极。
7、一种pkd检测方法，包括以下步骤：
8、s1、利用信号采集模块采集多个样本eeg信号，包括pkd患者的eeg信号和癫痫患者的eeg信号；
9、s2、针对多个样本eeg信号进行预处理，包括信号筛选、滤波去噪、分段处理和独立成分分析；
10、s3、从预处理后的多个样本eeg信号中提取出对应pkd和癫痫的功能连通性特征；
11、s4、对提取的功能连通性特征进行融合、标准化和归一化处理，并根据信号的不同，为特征数据打上相应标签；
12、s5、将打上标签后的特征数据按照设定比例划分为训练集、验证集和测试集，利用训练集和验证集对构建的gcn模型进行训练和评估，再利用测试集对gcn模型进行性能测试，得到gcn分类模型；
13、s6、利用信号采集模块采集待测eeg信号，对待测eeg信号依次进行预处理、功能连通性特征提取及融合操作后输入gcn分类模型，输出得到对应pkd检测结果。
14、进一步地，所述步骤s2的具体过程为：
15、根据eeg信号的电极位置信息，筛选出pkd患者异常脑功能连接回路上方和周围的电极信号，首先对筛选出的信号应用高通、低通和带通滤波器，之后对信号进行分段处理，再利用独立成分分析(independent component analysis，ica)技术提取信号分量，将真正的神经信号与伪信号区分开来，最后对全脑电极信号进行平均重参考，并剔除出现明显伪影或超过信号极端值的片段。
16、进一步地，所述步骤s3的具体过程为：
17、对预处理后的两类eeg信号进行频域分析，确定功率谱密度的变化，量化不同频段脑电信号的强度，通过频域分析找出两类信号在1～30hz频域范围内的差异频带，并对差异频带的特征进行编目；
18、采用希尔伯特变换来去除脑电图数据中体积传导效应产生的重叠信号，计算差异频带上电极点之间的功能连接指数，包括锁相值(phase locking value，plv)、相位滞后值(phase-lag index，pli)和加权锁相值(weighted phase-lag index，wpli)，得到两类eeg信号的功能连通性指标，并将这些指标作为pkd和癫痫的状态特征。
19、进一步地，所述步骤s3中功率谱密度计算公式为：
20、
21、其中，x(t)代表信号在时间域上的数学表示，f是频率；
22、分析个频段间的显著性差异，通过比较两组数据在各频带上的功率谱密度的均值和标准差，使用统计方法确定不同频带上的信号是否存在显著差异，以找出两类信号在1～30hz频域范围内的差异频带。
23、进一步地，所述步骤s4具体包括以下步骤：
24、第一步、利用特征连接的方法，对不同功能连接指数进行融合，再对融合特征数据进行z-score标准化和min-max归一化处理，保证不同特征的数值范围一致；
25、第二步、根据信号的不同，将处理后的特征数据打上“0”和“1"标签，其中，癫痫特征标签为“0”，pkd特征标签为“1”。
26、进一步地，所述步骤s5中训练集、验证集和测试集内各个样本数据均包括pkd和癫痫eeg信号的功能连通指标序列和每个样本对应的标签信息。
27、进一步地，所述步骤s5中构建的gcn模型架构由图节点和节点之间的连接边组成，该gcn模型架构中，将电极点作为图节点，用相位滞后值(pli)的大小构建连接边和边的权重，同时采用多特征的输入方式，每个节点的输入特征包括该节点与其他节点的锁相值(plv)、相位滞后值(pli)和加权锁相值(wpli)，输入数据经过两层图卷积处理后连接全局平均池化层和分类全连接层，最终完成pkd和癫痫的二分类。
28、进一步地，所述步骤s5中对构建的gcn模型进行训练和评估的具体过程为：
29、第一步、将特征训练集和验证集中的数据从矩阵形式转换为图数据格式，其本文档来自技高网...
【技术保护点】
1.一种PKD检测系统，其特征在于，包括依次通信连接的信号采集模块(1)、服务端(2)及用户终端(3)，所述信号采集模块(1)包括依次连接的可穿戴EEG信号采集设备(11)、信号放大器(12)和数模转换器(13)，所述可穿戴EEG信号采集设备(11)包括集成安装于头戴装置上的通信单元和采集传感器单元，所述采集传感器单元用于采集EEG信号、并通过通信单元传输至服务端(2)；
2.根据权利要求1所述的一种PKD检测系统，其特征在于，所述采集传感器单元包括多个活动电极、一对参考电极和一个接地电极，其中，多个活动电极均布于头部两侧，一对参考电极分别位于左右耳乳突位置，接地电极位于头顶中央位置，所述活动电极、参考电极、接地电极均为干电极。
3.一种应用如权利要求1所述PKD检测系统的PKD检测方法，其特征在于，包括以下步骤：
4.根据权利要求3所述的一种PKD检测方法，其特征在于，所述步骤S2的具体过程为：
5.根据权利要求3所述的一种PKD检测方法，其特征在于，所述步骤S3的具体过程为：
6.根据权利要求5所述的一种PKD检测方
7.根据权利要求5所述的一种PKD检测方法，其特征在于，所述步骤S4具体包括以下步骤：
8.根据权利要求7所述的一种PKD检测方法，其特征在于，所述步骤S5中训练集、验证集和测试集内各个样本数据均包括PKD和癫痫EEG信号的功能连通指标序列和每个样本对应的标签信息。
9.根据权利要求5所述的一种PKD检测方法，其特征在于，所述步骤S5中构建的GCN模型架构由图节点和节点之间的连接边组成，该GCN模型架构中，将电极点作为图节点，用相位滞后值PLI的大小构建连接边和边的权重，同时采用多特征的输入方式，每个节点的输入特征包括该节点与其他节点的锁相值PLV、相位滞后值PLI和加权锁相值wPLI，输入数据经过两层图卷积处理后连接全局平均池化层和分类全连接层，最终完成PKD和癫痫的二分类。
10.根据权利要求9所述的一种PKD检测方法，其特征在于，所述步骤S5中对构建的GCN模型进行训练和评估的具体过程为：
...【技术特征摘要】
1.一种pkd检测系统，其特征在于，包括依次通信连接的信号采集模块(1)、服务端(2)及用户终端(3)，所述信号采集模块(1)包括依次连接的可穿戴eeg信号采集设备(11)、信号放大器(12)和数模转换器(13)，所述可穿戴eeg信号采集设备(11)包括集成安装于头戴装置上的通信单元和采集传感器单元，所述采集传感器单元用于采集eeg信号、并通过通信单元传输至服务端(2)；
2.根据权利要求1所述的一种pkd检测系统，其特征在于，所述采集传感器单元包括多个活动电极、一对参考电极和一个接地电极，其中，多个活动电极均布于头部两侧，一对参考电极分别位于左右耳乳突位置，接地电极位于头顶中央位置，所述活动电极、参考电极、接地电极均为干电极。
3.一种应用如权利要求1所述pkd检测系统的pkd检测方法，其特征在于，包括以下步骤：
4.根据权利要求3所述的一种pkd检测方法，其特征在于，所述步骤s2的具体过程为：
5.根据权利要求3所述的一种pkd检测方法，其特征在于，所述步骤s3的具体过程为：
【专利技术属性】
技术研发人员：邹任玲，赵立昂，刘雨豪，曹立，贺华，蒋清锋，李丹，谷雪莲，胡秀枋，
申请(专利权)人：上海理工大学，
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。