基于分步识别与多智能体决策的脑电图异常信号检测方法技术

本发明专利技术提供一种基于分步识别与多智能体决策的脑电图异常信号检测方法，涉及生物医学信号处理技术领域，该方法包括：采集癫痫患者的脑电图信号数据，按预设通道顺序解析数据并切割为等长的多个信号片段；从每个信号片段中提取多维度特征；将各信号片段的时域特征、频域特征及通道间同步特征输入孤立森林模型，基于异常比例阈值筛选得到至少一个潜在异常片段；基于各潜在异常片段的深度散射特征、小波变换特征、时域特征以及频域特征，对各潜在异常片段执行多智能体集成决策，得到各潜在异常片段对应的综合异常评分；基于各潜在异常片段对应的综合异常评分，确定脑电图信号数据中的异常信号。本发明专利技术显著降低了脑电图异常信号检测的误报率。

【技术实现步骤摘要】

本专利技术涉及生物医学信号处理，尤其涉及一种基于分步识别与多智能体决策的脑电图异常信号检测方法。

技术介绍

1、癫痫作为由大脑神经元突发性异常放电引发的神经系统重大疾病，具有突发型、反复性和复发性等特点。根据世界卫生组织的数据报道，全球累计患有癫痫症的人口已逾5000万。目前临床中主要使用核磁成像（magnetic resonance imaging，mri）、近红外光谱法（near infrared reflectance spectroscopy，nirs）、微电极记录（microelectroderecording, mer）、脑电图（electroencephalography，eeg）以及心电图（electrocardiograph，ecg）等方法来进行癫痫脑电信号的检测。其中，脑电图eeg由于能够有效捕捉癫痫类型、发作起源部位、估计首次发作后的复发风险等有效信息，常被用于癫痫脑电信号的检测。

2、通过分析脑电图eeg信号中的异常波形，临床医生可以识别和定位癫痫病灶，评估病情的发展和治疗效果。然而，目视检查任务不仅对医护人员的专业经验本文档来自技高网...

【技术保护点】

1.一种基于分步识别与多智能体决策的脑电图异常信号检测方法，其特征在于，包括：

2.根据权利要求1所述的基于分步识别与多智能体决策的脑电图异常信号检测方法，其特征在于，所述从每个所述信号片段中提取多维度特征之前，还包括：

3.根据权利要求1所述的基于分步识别与多智能体决策的脑电图异常信号检测方法，其特征在于，所述将各所述信号片段的所述时域特征、各所述信号片段的所述频域特征及各所述信号片段的所述通道间同步特征输入孤立森林模型，基于异常比例阈值筛选得到至少一个潜在异常片段，包括：

4.根据权利要求1所述的基于分步识别与多智能体决策的脑电图异常信号检测方法，...

【技术特征摘要】

1.一种基于分步识别与多智能体决策的脑电图异常信号检测方法，其特征在于，包括：

2.根据权利要求1所述的基于分步识别与多智能体决策的脑电图异常信号检测方法，其特征在于，所述从每个所述信号片段中提取多维度特征之前，还包括：

3.根据权利要求1所述的基于分步识别与多智能体决策的脑电图异常信号检测方法，其特征在于，所述将各所述信号片段的所述时域特征、各所述信号片段的所述频域特征及各所述信号片段的所述通道间同步特征输入孤立森林模型，基于异常比例阈值筛选得到至少一个潜在异常片段，包括：

4.根据权利要求1所述的基于分步识别与多智能体决策的脑电图异常信号检测方法，其特征在于，所述基于各所述潜在异常片段的所述深度散射特征、各所述潜在异常片段的所述小波变换特征、各所述潜在异常片段的所述时域特征以及各所述潜在异常片段的所述频域特征，对各所述潜在异常片段执行多智能体集成决策，得到各所述潜在异常片段对应的综合异常评分，包括：

5.根据权利要求1所述的基于分步识别与多智...

【专利技术属性】
技术研发人员：杨丽娟，何源，邱丰，彭家易，王志军，尹榕，陈小龙，李璐，
申请(专利权)人：中国科学院近代物理研究所，
类型：发明
国别省市：