[发明专利]脑电数据处理方法及装置

权利要求书

1.一种脑电数据处理装置，其特征在于，所述装置包括：

采集模块，用于在目标对象接受特定的医学处置前采集目标对象的脑电数据，所述特定的医学处置包括迷走神经刺激手术；

确定模块，用于根据所述目标对象的脑电数据，确定第一特征向量，所述第一特征向量包括由所述目标对象的脑电数据确定的多个脑网络属性；

预测模块，用于将所述第一特征向量输入训练好的预测模型，得到预测结果，其中，预测结果表示所述目标对象是否适合接受所述特定的医学处置；

所述预测模型根据在样本对象接受特定的医学处置前采集的样本对象的脑电数据训练得到，所述装置还用于：

根据所述样本对象的脑电数据，确定所述样本对象的多个脑网络属性；

根据所述样本对象接受所述特定的医学处置后的效果，将所述效果满足预设条件的样本对象的多个脑网络属性确定为正样本，将所述效果不满足预设条件的样本对象的多个脑网络属性确定为负样本；对所述正样本和所述负样本进行差异显著性分析，得到具有显著性差异的脑网络属性，其中正样本和负样本的具有显著性差异的脑网络属性之间的差别大于阈值；对所述具有显著性差异的脑网络属性进行重要性排序，得到第二特征向量；根据所述样本对象的多个脑网络属性中，与所述第二特征向量中的属性类型相同的脑网络属性，训练得到所述预测模型，或者

将所述样本对象接受所述特定的医学处置后的效果作为标记，将所述样本对象的多个脑网络属性作为影响因素，输入到预设的线性回归模型，所述线性回归模型从输入的多个脑网络属性中筛选并输出至少一个脑网络属性；根据所述至少一个脑网络属性，训练得到所述预测模型；

其中，根据所述样本对象的多个脑网络属性中，与所述第二特征向量中的属性类型相同的脑网络属性，训练得到所述预测模型，包括：

根据所述第二特征向量中的不同脑网络属性，排列组合得到多个第三特征向量，其中，不同的第三特征向量中的脑网络属性的组合不同，或者，不同的第三特征向量中的脑网络属性的组合以及脑网络属性在第三特征向量中的排序不同；

计算分别以所述样本对象的多个脑网络属性中，与多个第三特征向量中的属性类型相同的脑网络属性作为所述预测模型的输入时，所述预测模型的预测准确度；

根据预测准确度最高的第三特征向量确定预测模型的输入属性类型，得到训练好的预测模型；

其中，所述样本对象的脑电数据包括样本对象的无伪迹的发作间期脑电数据，根据所述样本对象的脑电数据，确定所述样本对象的多个脑网络属性，包括：

根据所述样本对象的脑电数据，得到样本对象的预处理后的脑电数据，所述预处理包括滤波、去噪、重参考以及分段中的至少一种；

根据所述样本对象的预处理后的脑电数据，确定样本对象的指标，所述样本对象的指标指示样本对象的各通道脑电信号之间的连通关系，所述样本对象的指标包括相干性、相位锁定值、相位延迟指数、加权相位延迟指数、格兰杰因果及同步似然性中的至少一个；

根据所述样本对象的指标得到样本对象的至少一个同步性矩阵，每个同步性矩阵对应一个指标；

根据所述同步性矩阵以及预设的阈值条件，得到样本对象的阈值关联矩阵；

根据所述阈值关联矩阵，建立样本对象的脑网络；

根据所述样本对象的脑网络，确定所述样本对象的多个脑网络属性，所述样本对象的多个脑网络属性包括平均同步性、聚类系数、特征路径长度、介数中心性、全局效率以及局部效率中的一个或多个。

2.根据权利要求1所述的脑电数据处理装置，其特征在于，所述目标对象的脑电数据包括目标对象的无伪迹的发作间期脑电数据，

根据所述目标对象的脑电数据，确定第一特征向量，包括：

确定作为所述训练好的预测模型的输入的多个属性类型；

根据所述目标对象的无伪迹的发作间期脑电数据，确定与所述多个属性类型对应的所述多个脑网络属性；

根据所述多个脑网络属性，得到所述第一特征向量。