[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

本發明提供了一種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，包括：采集模塊：用于采集腦電信號；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；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；輸出模塊：用于將檢測結果融合并輸出。

技術領域

本發明涉及計算機領域，尤其涉及一種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。

背景技術

癲癇是大腦神經元突發性異常放電導致短暫的大腦功能障礙的一種慢性疾病。在全球超過六千五百萬人患有癲癇病，中國的癲癇患者約有九百萬人。癲癇發作具有突發性、反復性和難預測性，并且在任何年齡段都有可能發病。

腦電圖(Electroencephalogram，EEG)是大腦神經元放電生成的電位信號，反映了大腦生物電的節律活動規律，且包含了大量的生理與疾病信息。在臨床醫學中，EEG信號處理不僅可以為某些腦疾病提供診斷依據，而且還可以為某些腦疾病提供有效的治療手段，并在癲癇病的檢測方面發揮著重要的作用。

棘波是典型的癲癇特征波形，通常被記錄在腦電圖中，相對于背景波形，棘波波形尖銳，具有高幅和瞬變的特性，臨床上目前的癲癇檢查主要是通過人眼檢測識別出腦電信號的棘波。目前臨床上癲癇腦電的檢查主要是通過人工檢測來識別腦電信號中的棘波，但其效率低、主觀性強，不能保證結果的準確性，為此棘波自動檢測技術近年來受到越來越多的關注。

識別棘波的方法很多，常用的是小波分析方法對癲癇腦電信號的時頻特征進行小波分解，將小波系數作為機器學習分類器和神經網絡的輸入信號，對棘波進行檢測。但由于母小波和棘波特征存在差異，分解重構得到的信號中，背景腦電抑制較差，棘波提取效果不太理想。小波變換模極大值的信號奇異點檢測方法是棘波檢測的另一種常用方法，但該方法僅能檢測正相棘波，檢測負相棘波時，產生的假陽性率較高。形態學濾波是研究棘波提取的另一途徑，它基于信號的幾何特征，利用預先定義的結構元素對信號進行匹配，提取出與其形態相似的信號。具有算法漸變易行、物理意義明確、實用有效等特點，能將含有復雜成分的信號分解成具有不同物理意義的部分，使信號與背景分離并保持其全局或局部的主要形態特征，但單一的開-閉(OC)或閉-開(CO)操作會導致統計偏倚現象，使得檢測到的棘波與實際棘波在波形和位置上有一定的偏差。

發明內容

針對現有技術中存在的問題，本發明提供了一種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的裝置，以提高癲癇棘波的識別率。

為實現上述目的，本發明通過以下方案實現：

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，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；