[发明专利]一种基于静息态脑电的背景活动自动识别方法及系统

权利要求书

1.一种基于静息态脑电的背景活动自动识别方法，其特征在于，包括如下步骤：

步骤1：利用脑电信号采集设备获取患者的静息态脑电rsEEG信号；

步骤2：采用ARTIST全自动去噪法对患者处于闭眼状态及睁眼状态各3min的静息态脑电rsEEG信号数据进行预处理；

步骤3：分别计算并提取各个频段不同脑区的平均时间占比、平均幅值以及双侧幅值差这三个脑电特征；

步骤4：对已提取的脑电特征进行分析判读，依次分别在重度背景异常、中度背景异常、轻度背景异常、界限性脑电图以及正常脑电图特征条件中进行判别；

步骤5：根据判别结果自动生成可视化报告，呈现脑电背景活动识别的结论，以及各频段不同脑区的定量化脑电特征及其参考范围；

步骤6：根据步骤5所生成的可视化报告进行人工快速核验，必要时通过人工对存在偏差的报告内容进行修改编辑。

2.根据权利要求1所述的基于静息态脑电的背景活动自动识别方法，其特征在于，所述步骤2的具体步骤如下：

步骤2.1：让患者分别保持闭眼状态及睁眼状态一段时间，并从采集信号中各选取3min的静息态脑电rsEEG信号数据；

步骤2.2：去除静息态脑电rsEEG信号数据中的直流电漂移；

步骤2.2：分别去除闭眼状态及睁眼状态所选取的信号数据中的眼动干扰；

步骤2.3：将采样率降至250Hz，并将带通滤波调节为1-45Hz，对坏通道进行替代；

步骤2.4：将数据进行分段，每段数据时长为2s；

步骤2.5：去除分段后的坏通道并进行插值；

步骤2.6：对独立成分进行分析后，去除伪差成分，采用平均参考取值。

3.根据权利要求1所述的基于静息态脑电的背景活动自动识别方法，其特征在于，步骤3的具体步骤如下：

步骤3.1：将全脑划分为四个区域，其中第一区域包括额区与前颞区，第二区域包括中央区与中颞区，第三区域包括顶区、第四区域包括枕区与后颞区；

步骤3.2：根据频率的计算方法，将脑电图每个通道随时间出现的不同频率的信号进行识别，将频率分为五个频段，分别为α波、β波、γ波、δ波以及θ波，并将识别出的不同频率的波用不同的颜色进行标记，然后将每个频段出现的波的时间长度比信号总时间长度，即为每个频段的平均时间占比；

步骤3.3：计算每个识别出的脑电波的峰-峰值，保存为每个波的幅值，各个频段下所有脑电波的平均峰-峰值即为此频段平均幅值。

步骤3.4：以脑部中线为分界，将左右半球中某频段的平均幅值的差值除以左右半球相同频段的平均幅值中的低值，反映左右半球的对称性，从而得出双侧幅值差；

步骤3.5：根据步骤3.2-步骤3.4提取出各个频段中各个区域的平均时间占比、平均幅值、以及双侧幅值差脑电特征。

4.根据权利要求1所述的基于静息态脑电的背景活动自动识别方法，其特征在于，所述步骤4中的正常脑电图的诊断标准如下：

①δ波在各区的平均时间占比为0-2％，平均幅值为0-50μV；

②θ波在各区的平均时间占比为0-15％，平均幅值为0-50μV；

③α波在第一区域及第二区域的平均时间占比为40-100％，在第三区域的平均时间占比为45-100％，在第四区域的平均时间占比为50-100％，各区平均幅值为0-100μV；

④β波在各区的平均时间占比为0-40％，平均幅值为0-20μV；

⑤各频段在第一区域以及第二区域的双侧幅值差为0-30％，在第三区域的双侧幅值差为0-40％，在第四区域的双侧幅值差为0-100％。