[发明专利]一种基于卷积神经网络的脑电高频振荡信号检测系统

说明书

本发明属于医学信号处理领域，具体提供一种基于卷积神经网络的脑电高频振荡信号检测系统，用以克服现有脑电高频振荡信号检测技术中高频噪声和尖峰波形导致的误检率高的问题。本发明包括：用户端、数据预处理模块、高频振荡信号预检测模块、卷积神经网络模块及统计模块，用户端用于脑电信号采集，并由数据预处理模块进行数据预处理，高频振荡信号预检测模块对脑电信号进行检测，得到疑似高频振荡片段，卷积神经网络模块用于对所有疑似高频振荡片段进行分类；该系统在检测HFOs时能够有效提高灵敏度，降低误检率，进而提高癫痫灶定位的准确率；同时该系统既可以使用头皮脑电、也可以使用皮层脑电，给予医生更多灵活性。

技术领域

本发明属于医学信号处理领域，涉及一种脑电高频振荡信号的检测系统，具体为一种基于卷积神经网络的脑电高频振荡信号检测系统。

背景技术

癫痫是一种常见的神经系统疾病，影响着世界上约5000万人的生活。许多难治性癫痫无法通过药物治愈，只能借助手术治疗摆脱疾病带来的困扰。在癫痫神经外科手术中，术前定位癫痫灶十分重要。十多年的初步研究发现，脑电高频振荡信号(High FrequencyOscillatio ns，HFOs)能够直接地反应了神经元的同步化活动，与癫痫的发作有密切的联系，它比癫痫样放电更准确地指示了癫痫发作始发区，或将是定位癫痫发作始发区(Seizure Onset Zone，SOZ)的一种新的生物标志物。

在提出HFOs自动检测方法之前，大部分学者是依据人工识别来进行HFOs研究的；但是脑电数据浩如烟海，人工辨别HFOs十分耗时耗力，标记10分钟的脑电信号用时约10个小时，而且处理过程中会因为疲劳和分心而带来错误；此外，人工检查带有一定主观性的，不同学者对高频信号的边界界定也有诸多不同之处。目前普遍认为，高频振荡信号的频率范围是80Hz到500Hz，包括频率在80～250Hz的涟波(Ripples)和250～500Hz的快涟波(FastRipples)。

为了解决人工筛查的缺点，许多研究组提出了不同类型的HFOs检测方法。如基于FIR滤波器与均方根值特征的方法、结合巴特沃斯滤波器的基于线长特征的检测方法、MNI检测器方法等。近年来也出现了许多与神经网络相关的方法，如基于径向基函数神经网络的方法、基于近似熵与人工神经网络的方法等。但是目前的方法在性能方面无法同时具备高灵敏度和低特异性，尚不能有效地区分真正的HFOs和高频噪声或者尖峰波形等非HFOs。

识别HFOs的“金标准”是在脑电信号时频图上存在“孤岛效应”。卷积神经网络的图像特征提取模式是一种自主的逐层提取输入图像的特征的模式，这种模式不仅可以在低层网络检测到边缘等简单的特征，还可以通过高层网络将低层网络的特征进行组合得到一些复杂的特征。使用经过人工标注的HFOs及非HFOs时频图数据集对卷积神经网络进行训练，训练好的网络可以有效对数据段的时频图进行特征提取，并有效判断信号片段是否存在孤岛效应，进而确定是否存在HFOs。

发明内容

本发明的目的在于针对现有脑电高频振荡信号检测技术的不足，即高频噪声和尖峰波形导致的误检率高的问题，提出一种基于卷积神经网络的脑电高频振荡信号检测系统，该系统在检测HFOs时能够有效提高灵敏度，降低误检率，进而提高癫痫灶定位的准确率；同时该系统既可以使用头皮脑电、也可以使用皮层脑电，给予医生更多灵活性。

为实现上述目的，本发明采用的技术方案如下：