[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

说明书

本发明公开一种基于静息态脑电的背景活动自动识别方法及系统，通过系统自动对患者睁眼和闭眼状态的脑电信号进行分区域识别，并分别提取各区域各频率的脑电特征，通过参照标准化范围对脑电特征进行分析比对，最终将识别分析结果输出为可视化报告，便于快速人工核验，必要时在线编辑修改，实现脑电自动判读高效性的同时，也保障了结果分析的准确性，为从原始二维脑电高效快捷得解读高维数据信息提供了可能性，也为不熟悉EEG数据分析及处理的非脑电专业人员提供了有潜力的技术手段。本发明可以实现识别过程的自动化，提高识别效率，从而减轻繁重且重复的机械化劳动，以便于医务人员投入结果报告的分析和判断中，提高工作效率，节省人力成本。

技术领域

本发明涉及静息态脑电分析识别领域，尤其涉及一种基于静息态脑电的背景活动自动识别方法及系统。

背景技术

脑电图(EEG)是一种无创伤、非侵入式的神经电信号采集技术，可以在极高的时间精度上反应大脑神经元的集群点的电活动，与检查耗时长、费用高以及有创的检测手段相比，具有时间分辨率高、检查耗时短、费用低、方便易行等优点。近年来，脑电图成为评估大脑功能活动改变的有力工具，随着脑功能影像技术的发展，脑电信号与神经系统疾病如癫痫、脑血管疾病、失眠、焦虑抑郁、帕金森病等疾病有着密切的关系，通过电极层面及源层面的能量、脑连接分析提取高维脑电特征，用于部分疾病的辅助诊断、疗效预测及预后判断具有一定潜力。

人工处理脑电信号的局限性：脑电信号的背景活动解读需要具备几年以上的专业培训并具备一定的临床经验，脑电信号的特征提取需要熟悉Matlab及EEGlab的软件操作流程，使得脑电分析解读无法广泛普及，本系统一键式自动化处理分析系统解决了用户受限的难题。

人工识别耗时耗力：脑电图在临床应用中最常用于辅助癫痫的诊断。采集患者脑电图后，通过人工识别脑电图的背景活动以及癫痫波。癫痫波具有特征性较好识别，但背景活动的识别往往耗费大量人力。

人工识别脑电图需要脑电专科医师仔细对每10秒数据进行识别检查，一般8小时记录的脑电图需花费数小时，而且需要经过长时间培养的经验丰富的脑电图医师。脑电数据量较大，处理时间较长，对硬件和操作人员的要求比较高，当前的手动EEG处理模式限制了数据分析的效率。

人工识别具有主观性及非一致性：由于EEG结果的判断缺乏客观量化指标，所以在很大程度上受医生和技术人员个人经验水平和综合分析能力的影响。阅图者对诊断标准的理解不尽一致，常带有不同程度的主观性和倾向性，造成对EEG结果判断的不一致。国内报告从事EEG专业10年以上的高年资医生对EEG结果判断的一致率为73％，高年资医生与从事本专业不足5年的低年资医生之间的一致率为64％。

基于脑电信号特征的机器学习分类识别具有较高效率，但缺乏统一的具体特征标准，泛化能力较差：将原始脑电进行时频转化，进行特征提取，结合机器学习模型进行训练，识别效率较高，但准确性、特异性以及泛化能力需要大样本验证，识别结果受模型训练的样本影响较大。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于静息态脑电的背景活动自动识别方法及系统。

本发明的技术方案如下：提供一种基于静息态脑电的背景活动自动识别方法，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；