[發(fā)明專利]檢測癲癇樣放電的方法和設(shè)備

在審

• 申請?zhí)枺?/td>: 202210367395.3
• 申請日: 2022-04-08
• 公開（公告）號: CN114869301A
• 公開（公告）日: 2022-08-09
• 發(fā)明（設(shè)計(jì)）人: 趙童;閆宇翔
• 申請（專利權(quán)）人: 靈犀云醫(yī)學(xué)科技（北京）有限公司
• 主分類號: A61B5/372
• 分類號: A61B5/372;A61B5/369;A61B5/00
• 代理公司: 北京市中咨律師事務(wù)所 11247
• 代理人: 魏子翔;于靜

1.一種用于檢測癲癇樣放電的方法，包括：

獲取患者在癲癇發(fā)作間期的腦電圖信號，其中所述腦電圖信號包括在至少一個(gè)導(dǎo)聯(lián)通道上的一個(gè)或多個(gè)信號片段，每個(gè)所述信號片段包括一個(gè)或多個(gè)信號子片段；

對所述信號子片段進(jìn)行特征匹配以識別存在癲癇樣放電的信號子片段；以及

確定癲癇樣放電的統(tǒng)計(jì)數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在對所述信號子片段進(jìn)行特征匹配之前，該方法還包括：

基于所述信號子片段在高頻頻帶的能量與所述信號子片段所屬的信號片段在高頻頻帶的能量閾值的比較篩除不存在癲癇樣放電的信號子片段。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，對所述信號子片段進(jìn)行特征匹配包括以下中的至少一項(xiàng)：

基于所述信號子片段的波形特征進(jìn)行波形匹配；

基于所述信號子片段的時(shí)頻特征進(jìn)行時(shí)頻匹配。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述波形匹配包括基于以下波形特征中的至少一個(gè)與波形模板的比較來識別所述信號子片段中是否存在癲癇樣放電：

所述信號子片段中的棘波或尖波上升沿的波幅差；

所述信號子片段中的棘波或尖波上升沿的持續(xù)時(shí)間；

所述信號子片段中的棘波或尖波下降沿的波幅差；

所述信號子片段中的棘波或尖波下降沿的持續(xù)時(shí)間；

所述信號子片段中的棘波或尖波下降沿隨后的慢波上升沿的波幅差；

所述信號子片段中的棘波或尖波上升沿之前的波幅標(biāo)準(zhǔn)差。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述時(shí)頻匹配包括：

分別計(jì)算所述信號子片段在低頻、中頻和高頻頻帶的能量以構(gòu)成所述信號子片段的時(shí)頻特征；

基于所述時(shí)頻特征與時(shí)頻模板確定所述信號子片段的時(shí)頻相似度；

基于所述時(shí)頻相似度與相應(yīng)閾值的比較來識別所述信號子片段中是否存在癲癇樣放電。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，分別計(jì)算所述信號子片段在具有峰值波幅的時(shí)間段中在低頻、中頻和高頻頻帶的能量以構(gòu)成所述信號子片段的所述時(shí)頻特征。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述時(shí)頻模板為基于時(shí)間的分頻帶能量的時(shí)頻能量矩陣模板，基于所述時(shí)頻特征與時(shí)頻模板確定所述信號子片段的時(shí)頻相似度包括：

基于在所述時(shí)間段中的采樣時(shí)間處所計(jì)算的所述信號子片段在低頻、中頻和高頻頻帶的能量生成時(shí)頻能量矩陣作為所述時(shí)頻特征；

將所述時(shí)頻能量矩陣與所述時(shí)頻能量矩陣模板相乘以計(jì)算所述時(shí)頻相似度。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，將所述時(shí)頻能量矩陣的與所述時(shí)頻能量矩陣模板相乘包括：

基于所述時(shí)頻能量矩陣的單元的值與相應(yīng)的時(shí)頻能量矩陣的單元閾值進(jìn)行二值化處理；

將經(jīng)過二值化處理的所述時(shí)頻能量矩陣的單元的值所述時(shí)頻能量矩陣模板的對應(yīng)單元的值相乘來計(jì)算所述時(shí)頻能量矩陣的每個(gè)單元的單元時(shí)頻相似度。

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述時(shí)頻能量矩陣模板的單元的值為權(quán)重值。

10.根據(jù)權(quán)利要求7至9中任一項(xiàng)所述的方法，其特征在于，通過將所述時(shí)頻能量矩陣的所有單元的單元時(shí)頻相似度進(jìn)行求和來計(jì)算所述時(shí)頻相似度。

11.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，在所述特征匹配之前，對所獲取的所述腦電圖信號進(jìn)行預(yù)處理，所述預(yù)處理包括如下中的至少一項(xiàng)：

降低采樣頻率；

移除工頻干擾；

移除基線漂移干擾；

移除肌電干擾；

屏蔽故障導(dǎo)聯(lián)通道；

重參考處理；

移除偽差數(shù)據(jù)。