專利名稱：基于缺項(xiàng)特征的腦電圖分類(lèi)檢測(cè)裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于缺項(xiàng)特征的腦電圖分類(lèi)檢測(cè)裝置，屬于腦電圖信號(hào)特征提取和檢測(cè)技術(shù)領(lǐng)域。
背景技術(shù)：
大腦皮層神經(jīng)元活動(dòng)所產(chǎn)生的電位變化，可以通過(guò)大腦這個(gè)容積導(dǎo)體，反映到大腦頭皮表面。腦電圖(electroencephalogram, EEG)是從頡外頭皮或頡內(nèi)電極記錄到的腦神經(jīng)元群的自發(fā)性、節(jié)律性的電活動(dòng)。腦電信號(hào)含有大量的腦神經(jīng)功能信息和病理信息。癲癇是一種由于大量神經(jīng)元突發(fā)性異常放電，導(dǎo)致短暫的大腦功能障礙的慢性疾病，其特征為突發(fā)性和復(fù)雜性。癲癇發(fā)病率約為0.5% 2%，發(fā)病人群主要為青少年，其對(duì)患者身心都造成嚴(yán)重的傷害，嚴(yán)重時(shí)甚至危及生命。診斷癲癇最有效的方法是腦電圖檢查，主要通過(guò)專家依據(jù)經(jīng)驗(yàn)分析腦電圖信 號(hào)，長(zhǎng)時(shí)腦電圖的回放分析不僅枯燥乏味而且費(fèi)時(shí)費(fèi)力，不可避免的導(dǎo)致人為誤差的出現(xiàn)。腦電圖自動(dòng)檢測(cè)不僅可以大幅度的減輕醫(yī)療工作者的勞動(dòng)量，同時(shí)也可以提高檢測(cè)精度，但自動(dòng)檢測(cè)卻非常困難，主要在于腦電信號(hào)是時(shí)變、非平穩(wěn)和非線性的信號(hào)。例如:基于模糊規(guī)則的癲癇自動(dòng)檢測(cè)，檢測(cè)靈敏度為68.9%，無(wú)法滿足癲癇自動(dòng)檢測(cè)的需求(參見(jiàn) A.Aarabi, R.Fazel-Rezai and Y.Aghakhani, “A fuzzy rule-basedsystem for epileptic seizure detection in intracranial EEG, ，，Clinical Neurophysiology, vol.120, pp.1648-1657，2009.)。CN1255320 (CN99124210.6)公開(kāi)了一種自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)識(shí)別癲癇樣放電閾值的方法及裝置，該方法需要確定多個(gè)網(wǎng)絡(luò)參數(shù)和大量的樣本訓(xùn)練，算法復(fù)雜，難于實(shí)際應(yīng)用。當(dāng)前腦電特征多通過(guò)小波變換、短時(shí)傅里葉變換后選取其線性特征，而忽略了腦電的非線性特征。常用的分類(lèi)器如支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)，需要大量樣本訓(xùn)練優(yōu)化分類(lèi)器參數(shù)，需花費(fèi)較長(zhǎng)的訓(xùn)練時(shí)間，難于滿足在線分類(lèi)的要求。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)的缺陷和不足，本發(fā)明提出了一種基于缺項(xiàng)特征的腦電圖分類(lèi)檢測(cè)裝置。本發(fā)明的技術(shù)方案是按以下方式實(shí)現(xiàn)的:一種基于缺項(xiàng)特征的腦電圖分類(lèi)檢測(cè)裝置，包括依次電路連接的多路腦電放大器、數(shù)據(jù)采集卡、計(jì)算機(jī)，所述計(jì)算機(jī)中內(nèi)置有信號(hào)預(yù)處理模塊、信號(hào)分段模塊、缺項(xiàng)特征提取模塊、貝葉斯線性判別分析分類(lèi)模塊和閾值判斷模塊；本裝置先由多路腦電放大器對(duì)腦電圖信號(hào)進(jìn)行放大，然后由數(shù)據(jù)采集卡采集腦電圖信號(hào)并送入計(jì)算機(jī)中，最后通過(guò)計(jì)算機(jī)內(nèi)的模塊分別對(duì)腦電圖信號(hào)進(jìn)行預(yù)處理、分段、計(jì)算缺項(xiàng)特征、利用貝葉斯線性判別分析分類(lèi)器對(duì)腦電缺項(xiàng)特征進(jìn)行分類(lèi)、利用閾值判斷對(duì)分類(lèi)進(jìn)行標(biāo)記；其中:所述的多路腦電放大器，對(duì)腦電圖(EEG)信號(hào)進(jìn)行放大；所述的數(shù)據(jù)采集卡，采集腦電圖信號(hào)，并存儲(chǔ)到計(jì)算機(jī)中；
所述的信號(hào)預(yù)處理模塊，對(duì)腦電圖信號(hào)進(jìn)行0.5-30HZ帶通濾波的處理，以濾除腦電圖信號(hào)中肌電信號(hào)和工頻干擾；所述的信號(hào)分段模塊，對(duì)帶通濾波處理后的腦電圖信號(hào)進(jìn)行分段，將每1024個(gè)不重復(fù)的點(diǎn)分為一段；所述的缺項(xiàng)特征提取模塊，對(duì)每段腦電圖信號(hào)計(jì)算其缺項(xiàng)特征向量，缺項(xiàng)特征向量s計(jì)算如下:s=[LA(l)，LA(2)，...，LA(L)]T，其中T是轉(zhuǎn)置符號(hào)，L為導(dǎo)聯(lián)數(shù)，I表示導(dǎo)聯(lián)編號(hào)(1=1，2，...，L)，LA⑴是導(dǎo)聯(lián)I腦電圖信號(hào)的缺項(xiàng)特征；
權(quán)利要求
1.一種基于缺項(xiàng)特征的腦電圖分類(lèi)檢測(cè)裝置，其特征在于，包括依次電路連接的多路腦電放大器、數(shù)據(jù)采集卡、計(jì)算機(jī)，所述計(jì)算機(jī)中內(nèi)置有信號(hào)預(yù)處理模塊、信號(hào)分段模塊、缺項(xiàng)特征提取模塊、貝葉斯線性判別分析分類(lèi)模塊和閾值判斷模塊；先由多路腦電放大器對(duì)腦電圖信號(hào)進(jìn)行放大，然后由數(shù)據(jù)采集卡采集腦電圖信號(hào)并送入計(jì)算機(jī)中，最后通過(guò)計(jì)算機(jī)內(nèi)的模塊分別對(duì)腦電圖信號(hào)進(jìn)行預(yù)處理、分段、計(jì)算缺項(xiàng)特征、利用貝葉斯線性判別分析分類(lèi)器對(duì)腦電缺項(xiàng)特征進(jìn)行分類(lèi)、利用閾值判斷對(duì)分類(lèi)進(jìn)行標(biāo)記；其中: 所述的多路腦電放大器，對(duì)腦電圖信號(hào)進(jìn)行放大； 所述的數(shù)據(jù)采集卡，采集腦電圖信號(hào)，并存儲(chǔ)到計(jì)算機(jī)中； 所述的信號(hào)預(yù)處理模塊，對(duì)腦電圖信號(hào)進(jìn)行0.5-30HZ帶通濾波的處理，以濾除腦電圖信號(hào)中肌電信號(hào)和工頻干擾； 所述的信號(hào)分段模塊，對(duì)帶通濾波處理后的腦電圖信號(hào)進(jìn)行分段，將每1024個(gè)不重復(fù)的點(diǎn)分為一段； 所述的缺項(xiàng)特征提取模塊，對(duì)每段腦電圖信號(hào)計(jì)算其缺項(xiàng)特征向量，缺項(xiàng)特征向量s計(jì)算如下: s=[LA(l)，LA(2)，...，LA(L)]T，其中T是轉(zhuǎn)置符號(hào)，L為導(dǎo)聯(lián)數(shù)，I表示導(dǎo)聯(lián)編號(hào)(1=1，2，…，L)，LA⑴是導(dǎo)聯(lián)I腦電圖信號(hào)的缺項(xiàng)特征
2.如權(quán)利要求1所述的貝葉斯線性判別分析分類(lèi)模塊，對(duì)缺項(xiàng)特征向量進(jìn)行貝葉斯線性判別分析分類(lèi)，得到分類(lèi)輸出值，其特征在于，步驟如下: ①假定貝葉斯回歸中的目標(biāo)值X和缺項(xiàng)特征向量s與疊加的高斯白噪聲η線性相關(guān):x = wTs+n，其中w為權(quán)值向量，wT中的T是轉(zhuǎn)置符號(hào)，得到權(quán)值向量w的似然函數(shù)P (Ysx I β，w):
全文摘要
一種基于缺項(xiàng)特征的腦電圖分類(lèi)檢測(cè)裝置，屬于腦電圖自動(dòng)檢測(cè)技術(shù)領(lǐng)域。包括依次電路連接的多路腦電放大器、數(shù)據(jù)采集卡、計(jì)算機(jī)，所述計(jì)算機(jī)中內(nèi)置有信號(hào)預(yù)處理模塊、信號(hào)分段模塊、缺項(xiàng)特征提取模塊、貝葉斯線性判別分析分類(lèi)模塊和閾值判斷模塊；本裝置先由多路腦電放大器對(duì)腦電圖信號(hào)進(jìn)行放大，然后由數(shù)據(jù)采集卡采集腦電圖信號(hào)并送入計(jì)算機(jī)中，最后通過(guò)計(jì)算機(jī)內(nèi)的模塊分別對(duì)腦電圖信號(hào)進(jìn)行預(yù)處理、分段、計(jì)算缺項(xiàng)特征、利用貝葉斯線性判別分析分類(lèi)器對(duì)腦電缺項(xiàng)特征進(jìn)行分類(lèi)、利用閾值判斷對(duì)分類(lèi)進(jìn)行標(biāo)記并獲取結(jié)果。本發(fā)明裝置具有以下的優(yōu)點(diǎn)特征運(yùn)算簡(jiǎn)單，訓(xùn)練和分類(lèi)速度快，分類(lèi)準(zhǔn)確率高。能達(dá)到較好的分類(lèi)檢測(cè)效果。
文檔編號(hào)A61B5/0476GK103190904SQ20131011361
公開(kāi)日2013年7月10日 申請(qǐng)日期2013年4月3日 優(yōu)先權(quán)日2013年4月3日
發(fā)明者周衛(wèi)東, 劉銀霞, 袁莎莎, 馬曉光 申請(qǐng)人:山東大學(xué)