[發明專利]一種基于S變換和深信度網絡的腦電檢測方法及裝置

在審

• 申請號: 201710241861.2
• 申請日: 2017-04-14
• 公開（公告）號: CN106963374A
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 周衛東;陳麗艷
• 申請（專利權）人: 山東大學
• 主分類號: A61B5/0476
• 分類號: A61B5/0476;A61B5/00
• 代理公司: 濟南金迪知識產權代理有限公司37219
• 代理人: 楊樹云

技術領域

本發明涉及一種利用S變換和深信度網絡的腦電檢測方法及裝置，屬于腦電檢測技術領域。

技術背景

癲癇是一種以腦部神經元反復突然過度放電所致的間歇性中樞神經系統功能失調為特征的腦部疾患。目前為止，癲癇檢測主要通過醫務工作者依靠經驗對腦電圖(EEG)進行目測來完成，查看EEG中是否含有癲癇樣放電等特征波，其工作量大，容易造成醫務工作者疲倦而產生誤判。因此，腦電圖的自動檢測有著重要的作用，它不僅可以減輕醫療工作者的工作量，也能提高腦電檢測精確度和效率。

自上世紀六十年代以來，眾多學者提出了多種自動癲癇檢測方法。常用的腦電處理方法有短時傅里葉變換和小波變換。短時傅里葉變換存在一定的局限性，不能多分辨率分析腦電信號的時頻信息。小波變換雖實現了多分辨率分析，但它的計算復雜度高。常用的腦電分類算法有模板匹配、支持向量機(SVM)等。模板匹配選取典型的癲癇信號為模板，將檢出的波形與模板進行病發識別，但腦電信號的多樣性給樣本的選取帶來較大困難。支持向量機是借助二次規劃來求解支持向量，求解二次規劃將涉及高階矩陣的計算，矩陣的存儲和計算將耗費大量的機器內存和運算時間。

中國專利文獻CN102429657A公開了一種癲癇腦電信號分類檢測方法。該方法采用小波分析和近似熵相結合的方式提取腦電特征，并用Neyman-Pearson準則對腦電信號進行分類。小波分析雖實現了多分辨率分析，但它的計算復雜度高，分析精度取決于小波基的選擇，具有一定的局限性。

發明內容

針對現有技術的不足，本發明提供了一種利用S變換和深信度網絡的腦電檢測方法；

本發明還提供了上述腦電檢測方法的實現裝置；

本發明中提出的運用了適宜處理非平穩信號的S變換，從中提取功率譜密度作為特征，節省了后續運用深信度網絡(Deep Belief Network,DBN)訓練和分類的時間，而且避免出現特征過擬合的情況。

發明概述：

本發明首先運用S變換提取腦電特征，然后將腦電特征進行線性歸一化，并將線性歸一化后的腦電特征送入深信度網絡(DBN)，獲得初步判別結果，經后處理，包括滑動平均濾波、閾值判斷、通道融合，領子技術，最終獲得腦電檢測結果。

術語解釋：

1、聯合概率，是指在多元的概率分布中多個隨機變量分別滿足各自條件的概率。

2、通道融合，在本發明技術方案中，算法處理的是多個通道的腦電數據，在后處理階段，將多個通道的處理結果綜合起來，即如果多個通道中有兩個或兩個以上的通道被判做發作段，則此段腦電則被判為發作段，反之被判做非發作段。

3、領子技術，在本發明技術方案中，是指在后處理階段，通道融合之后，將發作段兩邊各延展0-2段。癲癇發作的起始都是緩慢的過程，當病人剛剛呈現出發作病癥的時候，腦電經過處理后還未達到閾值，但是已經是發作段了，因此用領子技術將這段補齊。

本發明的技術方案為：

一種利用S變換和深信度網絡的腦電檢測方法，包括：

1)采集腦電信號，將采集到的腦電信號進行A/D轉換，存儲A/D轉換后的腦電信號；

2)對步驟1)存儲的A/D轉換后的腦電信號進行S變換，得到腦電特征；

3)對步驟2)得到的腦電特征進行線性歸一化處理；

4)將步驟3)提取到的線性歸一化處理后的腦電特征輸入深信度網絡中，獲得初步判別結果；

5)將初步判別結果經過后處理，即對初步判別結果依次進行滑動濾波、閾值判斷、通道融合、領子技術處理，獲得腦電正?；虍惓５慕Y果，并進行標記。

根據本發明優選的，通過腦電放大器和數據采集卡采集腦電信號；

進一步優選的，所述腦電放大器的型號Neurofile NT，所述數據采集卡為16位A/D轉換數據采集卡，采樣頻率為256Hz。

根據本發明優選的，所述步驟2)，對A/D轉換后的腦電信號進行S變換，得到腦電特征，包括步驟如下：

(1)對A/D轉換后的腦電信號分為2s一段進行S變換，S變換如式(Ⅰ)所示：

式(Ⅰ)中，S(τ,f)為腦電信號的S變換，τ為時間軸上高斯窗的位置，f為頻率，x(t)為A/D轉換后的腦電信號，t為觀測時間；