[發明專利]基于EEG源成像的癲癇灶點粗定位方法

在審

• 申請號: 201710102523.0
• 申請日: 2017-02-24
• 公開（公告）號: CN107080534A
• 公開（公告）日: 2017-08-22
• 發明（設計）人: 王躍明;梅桂寶;鄭筱祥
• 申請（專利權）人: 浙江大學
• 主分類號: A61B5/0476
• 分類號: A61B5/0476
• 代理公司: 杭州求是專利事務所有限公司33200
• 代理人: 趙杭麗

技術領域

本發明屬于腦電分析領域，涉及一種新的癲癇灶點粗定位方法，尤其涉及基于EEG源成像的癲癇灶點粗定位方法，對于頭皮腦電有良好的效果，該方法基于腦電信號的時頻特征和形態特征，具有計算復雜度低的優點。

背景技術

癲癇是大腦神經元突發性異常放電，導致短暫大腦功能障礙的一種慢性疾病，由于其突發性和反復性，給廣大患者帶來極大痛苦。由于現有藥物和手術等手段的局限性，一些頑固性癲癇患者得難以得到有效治療。及早對癲癇發作進行預警，對于治療方法的建立和患者生活質量的提高有重要意義。約有30％的難治性癲癇患者表現出抗藥性，需要手術切除癲癇灶點或者使用電刺激抑制癲癇發作。

目前，臨床診斷中癲癇灶點定位通常需集中神經內科和神經外科癲癇專家，結合患者的發作狀態和多模態醫學成像技術進行綜合判斷。人工癲癇灶點定位耗時耗力，依賴醫生的經驗?；谛畔⒂嬎愕腅EG源成像技術可以推測頭皮EEG活動的源信號，有望自動確定引發癲癇異常腦電的皮層可疑源灶點，為后續的精確定位縮小范圍，輔助醫生做出診斷。同時，sEEG為非植入式信號采集方法，也為病人減輕了痛苦和風險。

發明內容

本發明的目的是提供一種基于EEG源成像的癲癇灶點粗定位方法，該方法通過參數化癲癇動態信息進行源成像，能夠對癲癇灶點位置做粗定位。

本發明方法通過以下步驟實現：

(1)腦電數據預處理：首先，將原始腦電數據通過帶通濾波去除偽跡，選取有效頻段進行分析和處理；其次，將數據進行分段，以便后續數據處理；

步驟(1)采用濾波器為2階巴特沃茲濾波器(Butterworth)，濾波參數為1Hz-70Hz；數據分段采用滑動時間窗的方法，時間窗長度1秒，步長0.2秒。

(2)盲源信號分離：根據腦電信號的在時域和頻域的特性，把步驟(1)處理得到的腦電信號數據段進行參數化，分離出獨立成分；

步驟(2)中盲源信號分解采用獨立成分分析(Independent Components Analysis，簡稱ICA)的方法，采集到的sensor空間的腦電信號通過獨立成分分析方法，被轉化為sensor空間的統計獨立的信號源的線性組合。

盲源信號分離的主要操作如下：

第一步，對數據進行中心化，減少幅度不確定性，并保持數據區分度不變。中心化的計算表達式如下：

第二步，對中心化后的數據進行白化，目的是消除特征的直接相關性，降低輸入的冗余性，具體做法是將原始向量乘以一個矩陣變成使得的協方差矩陣是I,即滿足

具體做法是，首先進行特征值分解

E(xx^T)＝EDE^T

得到特征向量矩陣E和特征值矩陣D,然后計算計算表達式如下，

第三步，將白化后的數據做主成分分析(Principle Component Analysis),目的是降低數據特征維度，并去除噪聲。做法是把數據的n個特征用數目更少的m個特征取代，新特征是舊特征的線性組合，這些線性組合最大化樣本方差，盡量使這m個特征互不相關。

第四步，求解出獨立成分，即

有n個信號源s(s₁,s₂,…,s_n)^T,s∈Rⁿ,A是一個mixing matrix,x是觀測到的信號，即

x＝As

在A，s均未知的情況下推斷出s

為了解決這個問題，我們做出三個假設

1.觀測信號數目m不小于源信號數目n，為了方便，取m＝n

2.源信號S的各個分量之間相互統計獨立

3.源信號的各個分量最多只有一個高斯分布

設s＝A^-1x＝Wx,每個s_i有概率密度p_s,且各自獨立，那么源信號的聯合分布為

似然函數為

用梯度下降法等優化方法就可以求得W,進而得到s。

(3)癲癇成分選擇：根據信號的時頻特性選擇與癲癇相關的成分

步驟(3)中采用了短時傅里葉變換(Short-time Fourier Transformation)和相關性，主要操作如下：

第一步，用短時傅里葉變換計算已知癲癇通道信號的時頻特征(time frequency representation,TFR)均值EEG-TFR，