[發(fā)明專利]基于缺項特征的腦電圖分類檢測裝置

有效

• 申請?zhí)枺?/td>: 201310113615.0
• 申請日: 2013-04-03
• 公開（公告）號: CN103190904A
• 公開（公告）日: 2013-07-10
• 發(fā)明（設計）人: 周衛(wèi)東;劉銀霞;袁莎莎;馬曉光
• 申請（專利權(quán)）人: 山東大學
• 主分類號: A61B5/0476
• 分類號: A61B5/0476
• 代理公司: 濟南金迪知識產(chǎn)權(quán)代理有限公司 37219
• 代理人: 許德山

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于缺項特征的腦電圖分類檢測裝置，屬于腦電圖信號特征提取和檢測技術(shù)領(lǐng)域。

技術(shù)背景

大腦皮層神經(jīng)元活動所產(chǎn)生的電位變化，可以通過大腦這個容積導體，反映到大腦頭皮表面。腦電圖(electroencephalogram,EEG)是從顱外頭皮或顱內(nèi)電極記錄到的腦神經(jīng)元群的自發(fā)性、節(jié)律性的電活動。腦電信號含有大量的腦神經(jīng)功能信息和病理信息。癲癇是一種由于大量神經(jīng)元突發(fā)性異常放電，導致短暫的大腦功能障礙的慢性疾病，其特征為突發(fā)性和復雜性。癲癇發(fā)病率約為0.5%～2%，發(fā)病人群主要為青少年，其對患者身心都造成嚴重的傷害，嚴重時甚至危及生命。診斷癲癇最有效的方法是腦電圖檢查，主要通過專家依據(jù)經(jīng)驗分析腦電圖信號，長時腦電圖的回放分析不僅枯燥乏味而且費時費力，不可避免的導致人為誤差的出現(xiàn)。腦電圖自動檢測不僅可以大幅度的減輕醫(yī)療工作者的勞動量，同時也可以提高檢測精度，但自動檢測卻非常困難，主要在于腦電信號是時變、非平穩(wěn)和非線性的信號。例如：基于模糊規(guī)則的癲癇自動檢測，檢測靈敏度為68.9%，無法滿足癲癇自動檢測的需求(參見A.Aarabi,R.Fazel-Rezai?and?Y.Aghakhani,“A?fuzzy?rule-based?system?for?epileptic?seizure?detection?in?intracranial?EEG,”Clinical?Neurophysiology,vol.120,pp.1648-1657,2009.)。CN1255320(CN99124210.6)公開了一種自動確定人工神經(jīng)網(wǎng)絡識別癲癇樣放電閾值的方法及裝置,該方法需要確定多個網(wǎng)絡參數(shù)和大量的樣本訓練，算法復雜，難于實際應用。當前腦電特征多通過小波變換、短時傅里葉變換后選取其線性特征，而忽略了腦電的非線性特征。

常用的分類器如支持向量機和人工神經(jīng)網(wǎng)絡，需要大量樣本訓練優(yōu)化分類器參數(shù)，需花費較長的訓練時間，難于滿足在線分類的要求。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的缺陷和不足，本發(fā)明提出了一種基于缺項特征的腦電圖分類檢測裝置。

本發(fā)明的技術(shù)方案是按以下方式實現(xiàn)的：

一種基于缺項特征的腦電圖分類檢測裝置，包括依次電路連接的多路腦電放大器、數(shù)據(jù)采集卡、計算機，所述計算機中內(nèi)置有信號預處理模塊、信號分段模塊、缺項特征提取模塊、貝葉斯線性判別分析分類模塊和閾值判斷模塊；本裝置先由多路腦電放大器對腦電圖信號進行放大，然后由數(shù)據(jù)采集卡采集腦電圖信號并送入計算機中，最后通過計算機內(nèi)的模塊分別對腦電圖信號進行預處理、分段、計算缺項特征、利用貝葉斯線性判別分析分類器對腦電缺項特征進行分類、利用閾值判斷對分類進行標記；其中：

所述的多路腦電放大器，對腦電圖(EEG)信號進行放大；

所述的數(shù)據(jù)采集卡，采集腦電圖信號，并存儲到計算機中；

所述的信號預處理模塊,對腦電圖信號進行0.5-30Hz帶通濾波的處理，以濾除腦電圖信號中肌電信號和工頻干擾；

所述的信號分段模塊，對帶通濾波處理后的腦電圖信號進行分段，將每1024個不重復的點分為一段；

所述的缺項特征提取模塊，對每段腦電圖信號計算其缺項特征向量，缺項特征向量s計算如下：