[發明專利]基于自適應模板匹配與機器學習算法融合的癲癇棘波智能檢測裝置

有效

• 申請號: 201911033704.8
• 申請日: 2019-10-28
• 公開（公告）號: CN110811609B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 王紫萌;吳端坡;馮維
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: A61B5/372
• 分類號: A61B5/372
• 代理公司: 浙江永鼎律師事務所 33233
• 代理人: 陸永強

1.基于自適應模板匹配與機器學習算法融合的癲癇棘波智能檢測裝置，其特征在于，包括以下模塊：

腦電采集設備：用于采集腦電信號；其中，選取實驗對象，使用腦電采集設備采集癲癇患者的腦電數據，建立實驗數據庫；

預處理模塊：用于數據預處理；對采集到的原始EEG數據進行巴特沃斯帶通濾波得到標準EEG信號；

自適應模板匹配棘波檢測模塊：用于執行自適應模板匹配棘波檢測并得到結果；其中，首先根據癲癇棘波的波形特點定義一個通用模板，進行通用模板匹配，獲得候選棘波信號；然后使用K均值算法對候選棘波進行聚類，得到若干個類；統計每個類中候選棘波的數目，如果棘波數目小于總棘波數的5％，則剔除這個類；分別使用篩選后的類中心作為新的模板進行自適應模板匹配，將所有的匹配結果相加得到棘波檢測結果；

機器學習棘波檢測模塊：用于執行機器學習棘波檢測并得到結果；其中，首先將腦電信號分割成1s長的腦電片段，然后提取每個腦電片段中的時域和頻域特征，構建棘波特征向量；使用特征向量訓練隨機森林分類模型，得到基于機器學習的棘波檢測結果；

融合模塊：用于將檢測結果融合；其中，將自適應模板匹配棘波檢測模塊得到的棘波檢測結果和機器學習棘波檢測模塊得到的棘波檢測結果進行融合，如果自適應模板匹配棘波檢測模塊和機器學習棘波檢測模塊在同片段檢測到棘波信號，則最終結果記為該片段有棘波信號的存在，則將其視為癲癇棘波；

其中，所述自適應模板匹配棘波檢測模塊執行：

步驟S31，統計腦電數據中棘波波形的上升沿斜率、下降沿斜率、幅值高度和持續時間，定義一個通用模板；

步驟S32，設置窗口寬度為300，按時間順序對腦電信號進行通用模板匹配操作，得到候選棘波信號；

步驟S33，對候選棘波進行K均值聚類，將候選棘波根據波形不同分成不同的類；

步驟S34，統計每個棘波聚類中候選棘波的個數，如果數目小于總候選棘波數的5％，則剔除這個類，最后將剩下的類的質心作為新的模板；

步驟S35，分別使用每個類的質心作為模板進行新的模板匹配，并將結果疊加得到棘波檢測結果；

所述機器學習棘波檢測模塊執行：

步驟S41，將腦電信號的每個通道都分割成1s長的片段，提取每個片段的時域特征和頻域特征，構建每個腦電片段的特征向量；

步驟S42，將特征向量分成訓練集和測試集，使用訓練集中的數據訓練隨機森林分類模型；

步驟S43，將測試集中的數據輸入到隨機森林模型中，得到的輸出結果即為棘波檢測結果，能夠檢測出在這一片段中是否有棘波。

2.如權利要求1所述的基于自適應模板匹配與機器學習算法融合的癲癇棘波智能檢測裝置，其特征在于，在進行數據預處理時，使用頻率范圍為0.5-32Hz的5階IIR巴特沃思帶通濾波器來去除EEG信號中的噪聲和偽跡。