一種用于癲癇發(fā)作時(shí)間段的自動(dòng)檢測(cè)系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及生物醫(yī)學(xué)信號(hào)處理技術(shù)領(lǐng)域，特別涉及一種用于癲癇發(fā)作時(shí)間段的自 動(dòng)檢測(cè)系統(tǒng)及方法，主要應(yīng)用于臨床上識(shí)別癲癇發(fā)作的時(shí)間段和減少閱讀腦電圖的工作 量，可以作為癲癇手術(shù)術(shù)前評(píng)估的輔助手段。
【背景技術(shù)】
[0002] 癲癇發(fā)作是由于大腦神經(jīng)元突發(fā)性異常和過度放電，導(dǎo)致短暫的大腦功能障礙， 其特點(diǎn)是發(fā)作的反復(fù)出現(xiàn)。癲癇發(fā)作可能給患者帶來精神、意識(shí)、感覺、運(yùn)動(dòng)以及植物神經(jīng) 等各個(gè)方面上的損傷。癲癇發(fā)作是由于大腦神經(jīng)元突發(fā)性異常和過度放電，導(dǎo)致短暫的大 腦功能障礙。腦電圖（EEG)是一種非侵入性的測(cè)量腦的電活動(dòng)的工具，可以用作癲癇發(fā)作 時(shí)間段的檢測(cè)。但由于在多數(shù)情況下，癲癇發(fā)作時(shí)間段無法在短期內(nèi)預(yù)測(cè)，因此需要在較長(zhǎng) 的時(shí)間內(nèi)連續(xù)記錄腦電。長(zhǎng)程腦電圖監(jiān)測(cè)可以有效的提供關(guān)于大腦電活動(dòng)、癲癇發(fā)作頻率、 癲癇發(fā)作類型等的信息，有助于臨床上對(duì)癲癇的分析和治療。
[0003] 長(zhǎng)程EEG經(jīng)過專家的目測(cè)檢查，可以確定癲癇發(fā)作時(shí)間段的情況，但是這是一個(gè) 相當(dāng)乏味而耗時(shí)的任務(wù)，且很依賴專家的經(jīng)驗(yàn)和主觀判斷，可重復(fù)性較低。因此，計(jì)算機(jī)自 動(dòng)檢測(cè)技術(shù)一直是癲癇腦電圖監(jiān)測(cè)工作中的迫切需求。要使癲癇發(fā)作時(shí)間段的自動(dòng)檢測(cè)技 術(shù)能夠應(yīng)用到臨床中，需要該技術(shù)能夠很好的判斷出癲癇發(fā)作期和發(fā)作間期的信號(hào)，并在 分類時(shí)能保證較高的正確率和靈敏度。目前用到的一些癲癇檢測(cè)的方法如下：Murro等人 提出一種利用EEG的時(shí)域和頻域特性作為特征值的算法，包括相對(duì)振幅、主頻率和腦電圖 節(jié)律等，更好的減小了誤報(bào)率；Grewal和Gotman基于多頻段腦電濾波、頻譜特征提取、貝葉 斯定理和時(shí)空分析發(fā)展了癲癇檢測(cè)的方法。將人工神經(jīng)網(wǎng)絡(luò)（ANN)引入到癲癇自動(dòng)檢測(cè)系 統(tǒng)的研宄也取得了一定的進(jìn)展。Nigam和Graupe提出了一種稱為L(zhǎng)AMSTAR網(wǎng)絡(luò)的新型神經(jīng) 網(wǎng)絡(luò)，其以EEG的兩個(gè)時(shí)域變量即棘波幅度和棘波節(jié)律作為輸入變量。Kiymik等人提出使 用以周期和自回歸特征作為BP神經(jīng)網(wǎng)絡(luò)（BPNN)的特征值輸入。Sprinivasan等人分別基 于Elman神經(jīng)網(wǎng)絡(luò)（EN)和概率神經(jīng)網(wǎng)絡(luò)（PNN)利用腦電信號(hào)的時(shí)域特征近似熵作為輸入 進(jìn)行癲癇檢測(cè)，反映了大腦活動(dòng)的非線性動(dòng)力學(xué)特點(diǎn)。
[0004]目前所采用的癲癇檢測(cè)方法中使用的特征主要是EEG的幅值、主頻率、變異系數(shù)、 熵值等，并沒考慮大腦作為一個(gè)有機(jī)整體，在產(chǎn)生行為變化或生理功能改變時(shí)各部分之間 所必然會(huì)存在的信息交換和流動(dòng)。病理學(xué)研宄表明，癲癇產(chǎn)生的源位置（稱為病灶源）和 大規(guī)模發(fā)作腦區(qū)并不完全一致，所以從癲癇產(chǎn)生到發(fā)作腦區(qū)之間會(huì)有信息流產(chǎn)生。而且由 于癲癇是大腦神經(jīng)元異常放電導(dǎo)致的，因此在癲癇發(fā)作時(shí)間段內(nèi)的不同腦區(qū)之間的信息流 動(dòng)會(huì)較正常狀態(tài)有所差異，這種差異既有強(qiáng)度的區(qū)別，也有方向的區(qū)別。利用這一差異，可 以有效地區(qū)分癲癇發(fā)作間期和發(fā)作期的狀態(tài)，進(jìn)行癲癇發(fā)作時(shí)間段的檢測(cè)。

【發(fā)明內(nèi)容】

[0005] 為了克服上述現(xiàn)有技術(shù)的缺陷，本發(fā)明的目的在于提供一種用于癲癇發(fā)作時(shí)間 段的自動(dòng)檢測(cè)系統(tǒng)及方法，基于格蘭杰因果性，通過部分有向相干（PartialDirected Coherence，TOC)方法計(jì)算不同腦區(qū)之間的信息流強(qiáng)度和方向，以此作為腦電特征值輸入 到支持向量機(jī)（SVM)中，用于區(qū)分癲癇發(fā)作間期和發(fā)作期的信號(hào)。部分有向相干方法是由 K.Sameshima等人在2001年提出的一種在頻域中表示格蘭杰因果性的方法用于分析不同 頭皮電極對(duì)之間的因果性關(guān)系。基于多通道自回歸（MVAR)模型的估計(jì)，通過PDC算法可以 構(gòu)建一個(gè)有向網(wǎng)絡(luò)，既能反映不同導(dǎo)聯(lián)之間的聯(lián)系強(qiáng)度，又能表征信息流的方向。該方法 使用PDC提取的流出信息強(qiáng)度能夠較好的反映癲癇發(fā)作時(shí)間段的生理變化情況，具有明確 的臨床解釋，以此作為特征值結(jié)合SVM分類檢測(cè)癲癇發(fā)作時(shí)間段具有較高的正確率和靈敏 度。
[0006] 為了達(dá)到上述目的，本發(fā)明的技術(shù)方案為：
[0007] -種用于癲癇發(fā)作時(shí)間段的自動(dòng)檢測(cè)系統(tǒng)，包括四個(gè)模板，
[0008] 腦電信號(hào)采集模塊A:用于采集癲癇患者的發(fā)作間期和發(fā)作期的多通道腦電信 號(hào)，并對(duì)其中的電極從1到N編號(hào)，其中N為總的電極數(shù)；
[0009] 信息流網(wǎng)絡(luò)構(gòu)建模塊B:用于對(duì)腦電信號(hào)劃分移動(dòng)窗并建立MVAR模型及計(jì)算各通 道之間PDC強(qiáng)度和方向：對(duì)所采集的多通道腦電數(shù)據(jù)按時(shí)間長(zhǎng)度劃分移動(dòng)窗片段；對(duì)每個(gè) 移動(dòng)窗，根據(jù)赤池信息量準(zhǔn)則即AIC準(zhǔn)則確定多變量自回歸MVAR模型的階數(shù)，建立MVAR模 型；根據(jù)移動(dòng)窗的MVAR模型系數(shù)計(jì)算各個(gè)通道之間的部分有向相干PDC值，求出各個(gè)通道 間的PDC強(qiáng)度及方向；
[0010] 流出信息提取模塊C:根據(jù)所得的roc值計(jì)算每個(gè)通道的流出信息強(qiáng)度：將同一對(duì) 通道之間各頻率下的PDC值平方求和，即為這對(duì)通道之間的信息流強(qiáng)度；將自身到自身通 道的信息流強(qiáng)度置為零；根據(jù)置零后PDC矩陣計(jì)算各個(gè)通道的流出信息強(qiáng)度；
[0011] 分類識(shí)別模塊D:用于結(jié)合交叉驗(yàn)證以流出信息強(qiáng)度為特征值使用支持向量機(jī)進(jìn) 行識(shí)別分類：將所有通道的流出信息強(qiáng)度作為特征值輸入到支持向量機(jī)SVM進(jìn)行模式識(shí)別 分類，使用k重交叉驗(yàn)證，同時(shí)進(jìn)行樣本內(nèi)優(yōu)化和樣本外測(cè)試，SVM的二分類結(jié)果即為癲癇 發(fā)作時(shí)間段的檢測(cè)結(jié)果。
[0012] 一種用于癲癇發(fā)作時(shí)間段的自動(dòng)檢測(cè)方法，包括以下步驟：
[0013] (A):采集癲癇患者的發(fā)作間期和發(fā)作期的多通道腦電信號(hào)，并對(duì)其中的電極從1 到N編號(hào)，其中N為總的電極數(shù)，腦電信號(hào)為向量X(t)=冗⑴義⑴，…XN(t)]T，其中，T 表示矩陣的轉(zhuǎn)置，Xn(t)(n= 1，2,…，N)是第n個(gè)通道的腦電信號(hào)；
[0014] (B):對(duì)腦電信號(hào)按時(shí)間長(zhǎng)度劃分移動(dòng)窗并建立MVAR模型及計(jì)算各通道之間H)C 強(qiáng)度和方向；
[0015] (C):根據(jù)所得的PDC值計(jì)算每個(gè)通道的流出信息強(qiáng)度；
[0016] (D):結(jié)合交叉驗(yàn)證以流出信息強(qiáng)度為特征值使用支持向