本公開涉及腦電檢測領域，具體涉及一種大腦異常放電檢測方法、裝置、存儲介質(zhì)及電子設備。

背景技術：

1、顱內(nèi)腦電技術可以通過精密的電子儀器，從頭皮上將腦部的自發(fā)性生物電位加以放大并進行記錄，記錄的信息具有很大的分析價值，有助于對被檢測人員的腦電活動變化進行評估。

2、然而，目前在對獲取的顱內(nèi)腦電圖數(shù)據(jù)進行數(shù)據(jù)分析的過程中，一般均是通過醫(yī)生根據(jù)經(jīng)驗進行分析。另外，顱內(nèi)腦電信息的自動識別具有較大困難，除了放電本身特征需大量樣本識別，偽差的干擾也是一大原因。因此，現(xiàn)有的大腦異常放電檢測方法不但人工成本高，耗時長，而且分析的結果容易產(chǎn)生誤判，不同的醫(yī)生評判的一致性也低。

3、需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現(xiàn)有技術的信息。

技術實現(xiàn)思路

1、本公開的目的在于提供一種大腦異常放電檢測方法、裝置、存儲介質(zhì)及電子設備，旨在提高大腦異常放電檢測結果的準確率。

2、本公開的其他特性和優(yōu)點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

3、根據(jù)本公開實施例的一方面，提供了大腦異常放電檢測方法，包括：采集檢測對象的腦電信號數(shù)據(jù)，并同時采集所述檢測對象的狀態(tài)視頻；識別所述狀態(tài)視頻中所述檢測對象的姿態(tài)信息和面部信息，以得到關鍵點空間軌跡數(shù)據(jù)；將所述腦電信號數(shù)據(jù)和所述關鍵點空間軌跡數(shù)據(jù)輸入預先訓練完成的異常預測模型中，以得到所述異常預測模型輸出的腦電信息異常預測結果作為大腦異常放電檢測結果。

4、根據(jù)本公開的一些實施例，基于前述方案，所述關鍵點空間軌跡數(shù)據(jù)包括所述狀態(tài)視頻中各幀圖像的姿態(tài)關鍵點空間數(shù)據(jù)和面部關鍵點空間數(shù)據(jù)；所述識別所述狀態(tài)視頻中所述檢測對象的姿態(tài)信息和面部信息，以得到關鍵點空間軌跡數(shù)據(jù)，包括：創(chuàng)建人體姿態(tài)實例和面部點位實例，并加載所述狀態(tài)視頻；基于所述人體姿態(tài)實例識別所述檢測對象的姿態(tài)關鍵點，并獲取所述姿態(tài)關鍵點的空間坐標數(shù)據(jù)作為所述姿態(tài)關鍵點空間數(shù)據(jù)；以及基于所述面部點位實例識別所述檢測對象的面部關鍵點，并獲取所述面部關鍵點的空間坐標數(shù)據(jù)作為所述面部關鍵點空間數(shù)據(jù)。

5、根據(jù)本公開的一些實施例，基于前述方案，所述方法還包括：基于mediapipe中的人體姿態(tài)監(jiān)測模型識別所述姿態(tài)關鍵點，以得到所述姿態(tài)關鍵點空間數(shù)據(jù)；以及基于mediapipe中的面部點位監(jiān)測模型識別所述面部關鍵點，以得到所述面部關鍵點空間數(shù)據(jù)。

6、根據(jù)本公開的一些實施例，基于前述方案，所述方法還包括：應用移動平均濾波器對所述關鍵點空間軌跡數(shù)據(jù)進行平滑處理得到第一關鍵點空間軌跡數(shù)據(jù)，以更新所述關鍵點空間軌跡數(shù)據(jù)。

7、根據(jù)本公開的一些實施例，基于前述方案，所述方法還包括：對所述關鍵點空間軌跡數(shù)據(jù)進行非極大值抑制得到第二關鍵點空間軌跡數(shù)據(jù)，以更新所述關鍵點空間軌跡數(shù)據(jù)。

8、根據(jù)本公開的一些實施例，基于前述方案，所述方法還包括預先訓練所述異常預測模型，所述預先訓練所述異常預測模型包括：獲取訓練樣本；其中，所述訓練樣本包括檢測對象的腦電信號訓練數(shù)據(jù)、關鍵點空間軌跡訓練數(shù)據(jù)以及標記結果；所述標記結果用于表征所述訓練樣本的大腦異常放電檢測結果；將所述腦電信號訓練數(shù)據(jù)和所述關鍵點空間軌跡訓練數(shù)據(jù)輸入初始異常預測模型以計算腦電信息異常預測結果；根據(jù)所述標記結果和所述腦電信息異常預測結果計算損失函數(shù)；基于所述損失函數(shù)調(diào)整所述初始異常預測模型的模型參數(shù)，以得到訓練完成的異常預測模型。

9、根據(jù)本公開的一些實施例，基于前述方案，所述方法還包括：獲取歷史狀態(tài)視頻；根據(jù)所述歷史狀態(tài)視頻確定所述檢測對象是否異常以得到檢測結果；基于所述檢測結果對所述歷史狀態(tài)視頻進行標記，以得到所述帶標記結果的歷史狀態(tài)視頻。

10、根據(jù)本公開實施例的第二方面，提供了一種大腦異常放電檢測裝置，包括：采集模塊，用于采集檢測對象的腦電信號數(shù)據(jù)，并同時采集所述檢測對象的狀態(tài)視頻；識別模塊，用于識別所述狀態(tài)視頻中所述檢測對象的姿態(tài)信息和面部信息，以得到關鍵點空間軌跡數(shù)據(jù)；預測模塊，用于檢測將所述腦電信號數(shù)據(jù)和所述關鍵點空間軌跡數(shù)據(jù)輸入預先訓練完成的異常預測模型中，以得到所述異常預測模型輸出的腦電信息異常預測結果作為大腦異常放電檢測結果。

11、根據(jù)本公開實施例的第三方面，提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述程序被處理器執(zhí)行時實現(xiàn)如上述實施例中的大腦異常放電檢測方法。

12、根據(jù)本公開實施例的第四方面，提供了一種電子設備，其特征在于，包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述一個或多個處理器實現(xiàn)如上述實施例中的大腦異常放電檢測方法。

13、本公開示例性實施例可以具有以下部分或全部有益效果：

14、在本公開的一些實施例所提供的技術方案中，一方面，通過檢測對象的腦電信號數(shù)據(jù)和狀態(tài)視頻聯(lián)合分析，利用狀態(tài)視頻減少偽差的干擾，能夠提高大腦異常放電檢測結果的準確率和效率；另一方面，提供了一套由信息獲取到信息處理的自動化大腦異常放電檢測方法，采用統(tǒng)一的評判標準，相較于人工數(shù)據(jù)分析，能夠降低人為偏差提高準確率的同時，縮短檢測時間，提高檢測效率。

15、應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本公開。

技術特征：

1.一種大腦異常放電檢測方法，其特征在于，包括：

2.根據(jù)權利要求1所述的大腦異常放電檢測方法，其特征在于，所述關鍵點空間軌跡數(shù)據(jù)包括所述狀態(tài)視頻中各幀圖像的姿態(tài)關鍵點空間數(shù)據(jù)和面部關鍵點空間數(shù)據(jù)；

3.根據(jù)權利要求2所述的大腦異常放電檢測方法，其特征在于，所述方法還包括：

4.根據(jù)權利要求1所述的大腦異常放電檢測方法，其特征在于，所述方法還包括：

5.根據(jù)權利要求1所述的大腦異常放電檢測方法，其特征在于，所述方法還包括：

6.根據(jù)權利要求1所述的大腦異常放電檢測方法，其特征在于，所述方法還包括預先訓練所述異常預測模型，所述預先訓練所述異常預測模型包括：

7.根據(jù)權利要求6所述的大腦異常放電檢測方法，其特征在于，所述方法還包括：

8.一種大腦異常放電檢測裝置，其特征在于，包括：

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7任一項所述的大腦異常放電檢測方法。

10.一種電子設備，其特征在于，包括：

技術總結
本公開涉及腦電檢測領域，具體涉及一種大腦異常放電檢測方法、裝置、存儲介質(zhì)及電子設備。該大腦異常放電檢測方法包括：采集檢測對象的腦電信號數(shù)據(jù)，并同時采集所述檢測對象的狀態(tài)視頻；識別所述狀態(tài)視頻中所述檢測對象的姿態(tài)信息和面部信息，以得到關鍵點空間軌跡數(shù)據(jù)；將所述腦電信號數(shù)據(jù)和所述關鍵點空間軌跡數(shù)據(jù)輸入預先訓練完成的異常預測模型中，以得到所述異常預測模型輸出的腦電信息異常預測結果作為大腦異常放電檢測結果。本公開提供的大腦異常放電檢測方法能夠提高大腦異常放電檢測結果的準確率和效率。

技術研發(fā)人員：林楠,李戀,盧強,梁子,崔麗英,胡鵬,孫鶴陽,董一粟,高偉芳,張少博,賀海波
受保護的技術使用者：中國醫(yī)學科學院北京協(xié)和醫(yī)院
技術研發(fā)日：
技術公布日：2024/12/17