[发明专利]一种基于电阻抗层析成像测量框架的中风位置分类方法

说明书

本发明公开了一种基于电阻抗层析成像测量框架的中风位置分类方法，通过大量已知病变或健康情况的患者设置为训练数据患者组，采用相对模式的安全电流激励和相邻模式的电压检测，并对数据进行扩充。搭建了由跳线块一、跳线块一、跳线块二、跳线块一、跳线块二、跳线块一、全局平均池化层、全连接层组成的跳线神经网络，设定好训练参数后将训练数据患者组的数据归一化后送入神经网络进行训练。然后采集待预测患者的数据，搭建预测神经网络。通过将待预测患者数据归一化后输入预测神经网络，最终获得预测结果。本发明有效的提高了对患者预测的准确率，以此帮助医生快速判断当前患者病情，从而提高了患者完全治愈的成功率。

技术领域

本发明属于电学层析成像在脑部成像检测领域的应用，具体涉及一种基于电阻抗层析成像测量框架的中风位置分类方法。

背景技术

中风是世界上致死率第二高的疾病。中风分为两种类型，即出血性中风和缺血性中风。对于患者来说，及时治疗中风对患者的治疗有很大的帮助，同时准确判断中风类型的不同也是至关重要的。例如，溶栓“破凝”药物是急性缺血性中风的一种治疗方法，然而它要求患者应在症状出现后的四个半小时内使用，当对出血性中风使用该药物时，不仅对治疗没有帮助，反而会使患者的病情加重甚至出现生命危险。在临床实践中，计算机断层扫描(Computed Tomography)和磁共振成像(Magnetic Resonance Imaging)是标准的成像方法。但是CT具有放射性，核磁共振的价格是十分昂贵的。并且这两种方法都需要很长时间的计算处理。

电阻抗断层成像是一种新兴的可视化技术并且已经成功应用于监测工业过程。由于其安全性、廉价性、便携性和高时间分辨率的优点，电阻抗成像也在医学成像领域被广泛研究。在脑部电阻抗断层成像中，通过将安全电流注入附着在头皮上的电极，测量剩余电极上的电压，根据该电压恢复大脑区域内的电导率。在最近的研究中，已经提出了基于电阻抗成像数据的各种分类方法。与基于图像的方法不同，这种方法避免了图像重建中所需的逆问题的求解，因此结果更可靠。如：如B.McDermott等人2018发布在Plos One第13卷、第7期，文献编号为e0200469，题为‘使用具有电阻抗断层成像测量框架的SVM分类器检测脑出血’(Brain haemorrhage detection using a SVM classifier with electrical impedancetomography measurement frames)。这些研究已经证明了基于电阻抗成像测量数据进行分类的潜力。应该注意的是，颅骨是一种高电阻介质，对电阻抗成像的检测有很大影响。然而，当使用SVM检测出血时，没有考虑颅骨。EIT的测量电压中包含了大量的空间分布信息，以及病变的电导率信息。因此，需要一种方法对中风的类型以及空间位置进行快速分类，以帮助医生更好的判断当前患者的情况以便患者得到及时有效的治疗。

发明内容

本发明解决的技术问题是提供了一种基于电阻抗层析成像测量框架的中风位置分类方法，使用跳线连接的神经网络对经过处理的电阻抗层析成像的测量电压数据进行中风位置的预测和分类。

本发明为解决上述技术问题采用如下技术方案，一种基于电阻抗层析成像测量框架的中风位置分类方法，其特征在于具体步骤为：

步骤一：对人脑区域进行划分，做一垂直于前额中心至后枕中心连线的平面，将平面从前额中心向后枕中心平移，当平面到达两侧太阳穴时停止，此时平面扫过的脑部区域为Λ1，继续向后枕中心平移平面，当平面到达两侧耳后时停止，此时平面扫过的脑部区域为Λ2，余下未扫过的脑部区域为Λ3；

步骤二：对患者情况进行类型划分，最终可以划分为：健康、Λ1出血、Λ1缺血、Λ2出血、Λ2缺血、Λ3出血、Λ3缺血共7种情况；

步骤三：将大量已知病变或健康情况的患者设置为训练数据患者组，将16电极的EIT采集系统的电极以前额中心为1号电极，逆时针等间隔的将16个电极放置在训练数据患者组第一位患者头部的同一水平面；