[发明专利]一种癫痫患者脑电信号的处理方法及系统

说明书

本发明公开了一种癫痫患者脑电信号的处理方法，属于非线性生理信号处理技术领域。该方法首先获取不含噪声的癫痫患者的多导脑电信号；将多导脑电信号分成若干数据段，采用最大互相关函数计算同一时间窗下的任意两段数据段的最大互相关系数，作为相应数据段的特征值，然后通过计算所有脑电信号之间的互相关系数构成特征矩阵；并获取与癫痫发作相关的稀疏特征矩阵，作为最终的脑电信号的特征矩阵；最后采用最小二乘支持向量机算法分类癫痫患者脑电信号。本发明可以应用于癫痫患者EEG信号，实现了癫痫检测的极高的准确性、敏感性和特异性。

技术领域

本发明提供一种癫痫患者脑电信号的处理方法，属于非线性生理信号处理技术领域。

背景技术

癫痫是一种常见的、多发的慢性神经系统疾病，其发作是由于大脑的神经元活动的同步或过多而引起的神经元不规则和不规则的放电而引起的。在癫痫发作过程中，会引起运动、行为、意识和感觉等功能障碍，因此，癫痫发作可能导致各种致命的后果。全世界有超过5000万人患有癫痫，每年有超过200000例新发病例被确诊。癫痫的治疗手段有手术、药物、电刺激等方法，而在确定治疗手段之前，最关键的在于对疑似癫痫病人的检测。目前，癫痫的检测方法是基于医生的视觉检测，由于需要对病人的脑电信号进行长时间的检测，因此传统的医生检测方法是非常耗时耗力的，很多医院甚至由于相关医生不足导致检测速度过慢而耽误了病人的最佳治疗时机。另一方面，由于传统的癫痫检测依赖于医生的肉眼观察与主观判断，有时容易出错，这可能会导致意外的误诊。因此，迫切需要开发一种癫痫发作的自动检测方法，来减轻医生的工作量，同时也减少肉眼检测产生的误差而造成的误诊。故癫痫发作检测的自动化检测方法在临床上具有重要的应用价值。

脑电(Electroencephalogram，EEG)被广泛应用在癫痫检测分析中，人体脑电信号由上亿的神经元相互作用形成，因而具有时变、非线性、不稳定等特点，同时脑电数据信号在测量后会产生随机误差，并且脑电信号还会受到个体差异的影响，因此，对于脑电数据信号的分析成为难题。现存有多种癫痫信号预警的方法，但由于癫痫脑电信号本身的复杂性，导致各种算法的准确性、敏感性和特异性方面都存在各种各样的缺点，如准确性高了，特异性就降低等问题。另外，以往算法一般都只利用了单导脑电信号而忽略了同时采集的其他导脑电信号，容易造成提取的特征无法反映病人大脑的全局病理特性以及所有脑电信号之间的时间-空间关系，如当病人从一种状态(发作间歇期、发作期)进入到另外一种状态，在同一时刻不同部位采集到的脑电是具有不同特征的。因此现有脑电信号的处理方法无法准确检测患者的癫痫发作。

发明内容

针对现有癫痫检测算法在准确性、敏感性、特异性方面存在的不足以及大多数算法只利用单导脑电信号的问题，本发明提供了一种基于多导脑电信号的癫痫患者脑电信号的处理方法。

本发明的目的是通过以下技术方案实现的，一种癫痫患者脑电信号的处理方法，具体步骤包括：

1)获取不含噪声的癫痫患者的多导脑电信号；

2)将上述多导脑电信号分成若干数据段，采用最大互相关函数计算同一时间窗下的任意两段数据段的最大互相关系数，作为相应数据段的特征值，通过计算所有脑电信号之间的互相关系数构成特征矩阵；

3)从互相关系数构成的特征矩阵中去除背景噪声特征，获取与癫痫发作相关的稀疏特征矩阵，作为最终的脑电信号的特征矩阵；

4)采用最小二乘支持向量机算法分类癫痫患者脑电信号。

进一步，本发明还可以采用k of n分析法来进一步校正经过最小二乘支持向量机分类的结果。

作为一种优选方案，去除脑电信号噪声采用的离散小波变换方法是采用Daubeches-4小波函数，滤波后选取频率为3～25Hz波段的脑电信号。