專利名稱：一種癲癇腦電信號分類檢測裝置及方法
技術(shù)領(lǐng)域：
本發(fā)明屬于醫(yī)療設(shè)備技術(shù)領(lǐng)域，特別涉及一種癲癇腦電信號分類檢測裝置及方法。
背景技術(shù)：
癲癇是以腦內(nèi)神經(jīng)元異常放電所導(dǎo)致的部分或整個腦功能障礙為特征的慢性疾患，在臨床上常表現(xiàn)為突然、短暫的運動、感覺、意識、行為、自主神經(jīng)或精神癥狀等異常。癲癇的危害性在于對患者帶來的痛苦和身心傷害，嚴重時甚至危及生命，患者若為兒童還會影響到身體和智力發(fā)育。診斷癲癇疑似患者的最有效的方法是腦電圖檢查，它是一種無創(chuàng)傷性的生物物理檢查方法。對腦電信號的分析主要是進行大腦異常活動的檢測，癲癇患者的腦電圖上通?？梢杂涗浀郊?spike wave)、尖波(sharp wave)、棘-慢復(fù)合波(spike -and-slow-wave complex)和尖-慢復(fù)合波(sharp-and-slow_wave complex)等癲癇樣異常放電活動，這些異常放電可出現(xiàn)在患者癲癇發(fā)作期或發(fā)作間歇期，這些工作目前都是由醫(yī)療工作者根據(jù)經(jīng)驗對患者的腦電圖進行視覺檢測完成的，并進一步分類和制訂相應(yīng)的治療方案。這項工作不僅非常耗時，而且，由于人為分析的主觀性，不同的專家對同一記錄的判斷結(jié)果也不同。 因此，采用自動檢測、識別技術(shù)對癲癇腦電進行及時、準(zhǔn)確的診斷就顯得十分重要。通過自動檢測技術(shù)對癲癇腦電信號進行分析，從標(biāo)準(zhǔn)的腦電信號中分離出癲癇特征波，并通過腦電特征波的自動識別完成癲癇的自動診斷，可以對癲癇高危人群進行神經(jīng)系統(tǒng)電生理篩查，及早發(fā)現(xiàn)、干預(yù)具有癲癇發(fā)病傾向的人群，減少癲癇的受累程度和致殘、致死率。對于癲癇腦電的自動檢測，目前采用的方法很多，但都是針對所有的癲癇活動進行檢測，并沒有根據(jù)不同類型的癲癇活動具有不同的頻譜特征而進行區(qū)分，使得對于癲癇腦電活動的檢測率不夠穩(wěn)定。

發(fā)明內(nèi)容
本發(fā)明的目的是公開一種一種癲癇腦電信號分類檢測裝置及方法，解決現(xiàn)有檢測裝置和方法對于癲癇腦電活動的檢測率不高的問題。本發(fā)明的技術(shù)方案是，一種癲癇腦電信號分類檢測裝置，包括對正常腦電信號和癲癇腦電信號進行小波分析的模塊、對從所述進行小波分析的裝置作小波分解后得到的每一層細節(jié)信號進行近似熵計算的模塊、以及進一步利用Neyman-Pearson準(zhǔn)則進行分類檢測的模塊。優(yōu)選的，對正常腦電信號和癲癇腦電信號進行小波分析的模塊將小波分析的子頻帶設(shè)定為8 32Hz，采樣率為USHz的腦電信號，經(jīng)過3層分解得到各個子頻帶，選擇db4 作為小波基函數(shù)，進行近似熵計算的模塊對小波分解后每一層的細節(jié)信號Dl，D2和D3進行近似熵計算，在計算中選擇N = 1000, r = 0. 15*std，m = 2，并將第一數(shù)據(jù)集合的100個正常腦電細節(jié)信號與其余三個數(shù)據(jù)集合分別含有64個尖慢活動、37個棘慢活動和32個棘波活動的異常腦電細節(jié)信號的近似熵值進行比較，分別形成三組數(shù)據(jù)，利用Neyman-Pearson準(zhǔn)則進行分類檢測的模塊使用閾值進行檢測，近似熵值低于閾值的信號被判決為癲癇信號，近似熵值大于等于閾值的信號被判決為正常腦電信號。一種癲癇腦電信號分類檢測方法，包括步驟對正常腦電信號和癲癇腦電信號進行小波分析；對小波分解后的每一層細節(jié)信號進行近似熵計算；利用Neyman-Pearson準(zhǔn)則進行分類檢測。優(yōu)選的，對正常腦電信號和癲癇腦電信號進行小波分析的步驟包括將小波分析的子頻帶設(shè)定為8 32Hz，采樣率為USHz的腦電信號，經(jīng)過3層分解得到各個子頻帶，選擇 db4作為小波基函數(shù)，進行近似熵計算的步驟包括對小波分解后每一層的細節(jié)信號Dl，D2和D3進行近似熵計算，在計算中選擇N = 1000, r = 0. 15*std，m = 2，并將第一數(shù)據(jù)集合的100個正常腦電細節(jié)信號與其余三個數(shù)據(jù)集合分別含有64個尖慢活動、37個棘慢活動和32個棘波活動的異常腦電細節(jié)信號的近似熵值進行比較，分別形成三組數(shù)據(jù)，利用Neyman-Pearson準(zhǔn)則進行分類檢測的步驟包括使用閾值進行檢測，近似熵值低于閾值的信號被判決為癲癇信號，近似熵值大于等于閾值的信號被判決為正常腦電信號。本發(fā)明就是通過臨床數(shù)據(jù)，從得到的癲癇信號中，區(qū)分各種不同類型的癲癇活動， 用小波分析和近似熵結(jié)合的方式提取腦電信號特征，并用NEYMAN-PEARSON準(zhǔn)則進行判斷檢測，得到的結(jié)果與不進行分類檢測的結(jié)果相比，提高了癲癇腦電活動的檢測率。


圖1為正常腦電與癲癇腦電信號示例圖2是本發(fā)明實施例中第一組數(shù)據(jù)檢測率和誤檢率的關(guān)系圖(Dl，D2，D3)圖3是本發(fā)明實施例中第二組數(shù)據(jù)檢測率和誤檢率的關(guān)系圖(Dl，D2，D3)圖4是本發(fā)明實施例中第三組數(shù)據(jù)檢測率和誤檢率的關(guān)系圖(Dl，D2，D3)
具體實施例方式本發(fā)明的裝置通過對癲癇腦電進行分類檢測提高了癲癇腦電的檢測率。圖1為正常腦電與癲癇腦電信號示例。本發(fā)明的裝置實現(xiàn)的基于小波分析和近似熵估計癲癇腦電信號分類檢測方法分為三部分對采集的正常腦電和癲癇腦電進行小波分析；對小波分解后的每一層細節(jié)信號進行近似熵計算；利用NEYMAN-PEARSON進行分類檢測。在癲癇腦電的分析中，典型癲癇信號分為棘波、尖波、棘慢復(fù)合波和尖慢復(fù)合波等。由于它們具有不同的時頻特性，如果不加區(qū)分采用同樣檢測標(biāo)準(zhǔn)，對癲癇腦電進行檢測不能得到最優(yōu)檢測效果。在進行小波分析時，子頻帶的選擇和小波基函數(shù)的選擇是關(guān)鍵，由于發(fā)作間歇期癲癇腦電信號的主要頻率范圍是4-32Hz，而較低頻率成分以慢波的形式出現(xiàn)，在臨床上主要考慮的是時長較短的特征波，所以重點研究的頻帶為8-32HZ，對于采樣率為USHz的腦電信號，經(jīng)過3層分解得到各個子頻帶，如表1所示，128Hz采樣率腦電信號3層小波分解子頻帶分布。而Daubechies (db4)與癲癇腦電信號的互相關(guān)值為最大，所以選擇db4作為小波基函數(shù)。表 1
子帶信號頻率分布(Hz)
Dl32--64
D216--32D38-16A30--8對腦電癲癇活動自動檢測的第二步是對小波分解后每一層的細節(jié)信號Dl，D2和 D3進行了近似熵計算，在計算中選擇N = 1000,r = 0. 15*std，m = 2，并將第一數(shù)據(jù)集合的 100個正常腦電細節(jié)信號與其余三個數(shù)據(jù)集合分別含有64個尖慢活動、37個棘慢活動和32 個棘波活動的異常腦電細節(jié)信號的近似熵值進行了比較，分別形成三組數(shù)據(jù)。通過分析比較發(fā)現(xiàn)較高分辨率細節(jié)信號D1，D2的ApEn值對健康及癲癇患者的腦電信號復(fù)雜性區(qū)分明
Mo對于前述經(jīng)過小波分解和近似熵分析的三組腦電的細節(jié)信號，通過 Neyman-Pearson準(zhǔn)則使用閾值進行檢測。近似熵值低于閾值的信號被判決為癲癇信號，近似熵值大于等于閾值的信號被判決為正常腦電信號。圖2-圖4分別為對三組細節(jié)信號近似熵值檢測后得到的檢測率和誤檢率的關(guān)系。圖2顯示從正常腦電信號中區(qū)分癲癇尖慢活動的檢測結(jié)果表明，D2比Dl和D3 具有更好的檢測性能。圖3顯示了 Dl和D2不僅具有同樣的檢測結(jié)果，而且它們都能夠很好的將含有棘慢活動的癲癇信號從正常腦電信號中檢測出來，達到誤檢率為零，但是通過仔細觀察癲癇棘慢腦電和正常腦電近似熵值的分布，很容易發(fā)現(xiàn)即Dl比D2有更高的檢測效果。圖4很清楚地說明在區(qū)分正常腦電和含有棘波活動的癲癇腦電時，與D2和D3相比，Dl具有最高的檢測效果。表2為3組數(shù)據(jù)的最優(yōu)檢測結(jié)果。表權(quán)利要求
1.一種癲癇腦電信號分類檢測裝置，其特征在于，包括對正常腦電信號和癲癇腦電信號進行小波分析的模塊、對從所述進行小波分析的裝置作小波分解后得到的每一層細節(jié)信號進行近似熵計算的模塊、以及進一步利用Neyman-Pearson準(zhǔn)則進行分類檢測的模塊。
2.如權(quán)利要求1所述的癲癇腦電信號分類檢測裝置，其特征在于，對正常腦電信號和癲癇腦電信號進行小波分析的模塊將小波分析的子頻帶設(shè)定為 8 32Hz，采樣率為USHz的腦電信號，經(jīng)過3層分解得到各個子頻帶，選擇db4作為小波基函數(shù)，進行近似熵計算的模塊對小波分解后每一層的細節(jié)信號Dl，D2和D3進行近似熵計算， 在計算中選擇N = 1000, r = 0. 15*std，m = 2，并將第一數(shù)據(jù)集合的100個正常腦電細節(jié)信號與其余三個數(shù)據(jù)集合分別含有64個尖慢活動、37個棘慢活動和32個棘波活動的異常腦電細節(jié)信號的近似熵值進行比較，分別形成三組數(shù)據(jù)，利用Neyman-Pearson準(zhǔn)則進行分類檢測的模塊使用閾值進行檢測，近似熵值低于閾值的信號被判決為癲癇信號，近似熵值大于等于閾值的信號被判決為正常腦電信號。
3.一種癲癇腦電信號分類檢測方法，其特征在于，包括步驟對正常腦電信號和癲癇腦電信號進行小波分析；對小波分解后的每一層細節(jié)信號進行近似熵計算；利用Neyman-Pearson準(zhǔn)則進行分類檢測。
4.如權(quán)利要求3所述的癲癇腦電信號分類檢測方法，其特征在于，對正常腦電信號和癲癇腦電信號進行小波分析的步驟包括將小波分析的子頻帶設(shè)定為8 32Hz，采樣率為USHz的腦電信號，經(jīng)過3層分解得到各個子頻帶，選擇db4作為小波基函數(shù)，進行近似熵計算的步驟包括對小波分解后每一層的細節(jié)信號Dl，D2和D3進行近似熵計算，在計算中選擇N= 1000,r = 0. 15*std，m= 2，并將第一數(shù)據(jù)集合的100個正常腦電細節(jié)信號與其余三個數(shù)據(jù)集合分別含有64個尖慢活動、37個棘慢活動和32個棘波活動的異常腦電細節(jié)信號的近似熵值進行比較，分別形成三組數(shù)據(jù)，利用Neyman-Pearson準(zhǔn)則進行分類檢測的步驟包括使用閾值進行檢測，近似熵值低于閾值的信號被判決為癲癇信號，近似熵值大于等于閾值的信號被判決為正常腦電信號。
全文摘要
本發(fā)明公開了一種癲癇腦電信號分類檢測裝置，包括對正常腦電信號和癲癇腦電信號進行小波分析的模塊、對從所述進行小波分析的裝置作小波分解后得到的每一層細節(jié)信號進行近似熵計算的模塊、以及進一步利用Neyman-Pearson準(zhǔn)則進行分類檢測的模塊。本發(fā)明就是通過臨床數(shù)據(jù)，從得到的癲癇信號中，區(qū)分各種不同類型的癲癇活動，用小波分析和近似熵結(jié)合的方式提取腦電信號特征，并用NEYMAN-PEARSON準(zhǔn)則進行判斷檢測，得到的結(jié)果與不進行分類檢測的結(jié)果相比，提高了癲癇腦電活動的檢測率。
文檔編號A61B5/0476GK102429657SQ20111028473
公開日2012年5月2日 申請日期2011年9月22日 優(yōu)先權(quán)日2011年9月22日
發(fā)明者張崇明, 汪春梅, 王麗慧 申請人:上海師范大學(xué)