[发明专利]脑电数据处理方法及装置

说明书

本公开涉及一种脑电数据处理方法及装置，所述方法包括：采集目标对象的脑电数据；根据所述目标对象的脑电数据，确定第一特征向量，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；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特定的医学处置。根据本公开实施例的脑电数据处理方法，可以提高目标对象对特定的医学处置的适应性的预测准确度。

技术领域

本公开涉及数据分析领域，尤其涉及一种脑电数据处理方法及装置。

背景技术

癫痫作为一种疾病会影响患者的生活，大部分患者可以用一种或多种药物联合治疗对癫痫发作情况加以控制，但仍然会有部分患者对药物治疗并不敏感，这些患者被称为药物难治性癫痫患者。迷走神经刺激手术(vagus nerve stimulatio，VNS)对于认知、神经以及全身的副作用较小，在1997年被批准用于治疗药物难治性癫痫。但是患者的VNS术后疗效存在极大的不确定性。根据已有的研究数据，通过VNS治疗药物难治性癫痫，术后2年约60％的患者达到临床有效水平(癫痫发作控制率大于等于50％)，部分患者癫痫发作仍得不到有效的控制，且癫痫完全无发作患者比例仅10％左右。因此，VNS治疗药物难治性癫痫面临一个很大的挑战——如何保证接受VNS治疗的患者在治疗后得到较高的癫痫发作控制率，而不是全无作用或者癫痫发作控制率很低。

因此，预测患者是否适合接受特定的医学处置，例如药物难治性癫痫患者作为目标对象时，针对采用迷走神经刺激的治疗手段治疗目标对象的治疗效果的不确定性和个体差异大的问题，通过术前评估手段来预测目标对象是否适合接受迷走神经刺激手术，成为相关领域的研究热点。

发明内容

有鉴于此，本公开提出了一种脑电数据处理方法及装置，根据本申请实施例的脑电数据处理方法，可以提高目标对象对特定的医学处置的适应性的预测准确度。

根据本公开的一方面，提供了一种脑电数据处理方法，所述方法包括：采集目标对象的脑电数据；根据所述目标对象的脑电数据，确定第一特征向量，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；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特定的医学处置。

在一种可能的实现方式中，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。

在一种可能的实现方式中，所述预测模型根据样本对象的脑电数据训练得到，所述方法还包括：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。

在一种可能的实现方式中，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，包括：根据所有具有显著性差异的脑网络属性，得到特征子集，确定预测模型对所述特征子集的预测准确率；判断当前特征子集是否为空集；在所述当前特征子集为空集时，按照预测准确率最高的一个特征子集中的脑网络属性的重要性评分，对所述预测准确率最高的一个特征子集中的脑网络属性进行重要性排序，得到第二特征向量。