专利名称：一种癫痫脑电信号分类检测装置及方法
技术领域：
本发明属于医疗设备技术领域，特别涉及一种癫痫脑电信号分类检测装置及方法。
背景技术：
癫痫是以脑内神经元异常放电所导致的部分或整个脑功能障碍为特征的慢性疾患，在临床上常表现为突然、短暂的运动、感觉、意识、行为、自主神经或精神症状等异常。癫痫的危害性在于对患者带来的痛苦和身心伤害，严重时甚至危及生命，患者若为儿童还会影响到身体和智力发育。诊断癫痫疑似患者的最有效的方法是脑电图检查，它是一种无创伤性的生物物理检查方法。对脑电信号的分析主要是进行大脑异常活动的检测，癫痫患者的脑电图上通常可以记录到棘波(spike wave)、尖波(sharp wave)、棘-慢复合波(spike -and-slow-wave complex)和尖-慢复合波(sharp-and-slow_wave complex)等癫痫样异常放电活动，这些异常放电可出现在患者癫痫发作期或发作间歇期，这些工作目前都是由医疗工作者根据经验对患者的脑电图进行视觉检测完成的，并进一步分类和制订相应的治疗方案。这项工作不仅非常耗时，而且，由于人为分析的主观性，不同的专家对同一记录的判断结果也不同。 因此，采用自动检测、识别技术对癫痫脑电进行及时、准确的诊断就显得十分重要。通过自动检测技术对癫痫脑电信号进行分析，从标准的脑电信号中分离出癫痫特征波，并通过脑电特征波的自动识别完成癫痫的自动诊断，可以对癫痫高危人群进行神经系统电生理筛查，及早发现、干预具有癫痫发病倾向的人群，减少癫痫的受累程度和致残、致死率。对于癫痫脑电的自动检测，目前采用的方法很多，但都是针对所有的癫痫活动进行检测，并没有根据不同类型的癫痫活动具有不同的频谱特征而进行区分，使得对于癫痫脑电活动的检测率不够稳定。

发明内容
本发明的目的是公开一种一种癫痫脑电信号分类检测装置及方法，解决现有检测装置和方法对于癫痫脑电活动的检测率不高的问题。本发明的技术方案是，一种癫痫脑电信号分类检测装置，包括对正常脑电信号和癫痫脑电信号进行小波分析的模块、对从所述进行小波分析的装置作小波分解后得到的每一层细节信号进行近似熵计算的模块、以及进一步利用Neyman-Pearson准则进行分类检测的模块。优选的，对正常脑电信号和癫痫脑电信号进行小波分析的模块将小波分析的子频带设定为8 32Hz，采样率为USHz的脑电信号，经过3层分解得到各个子频带，选择db4 作为小波基函数，进行近似熵计算的模块对小波分解后每一层的细节信号Dl，D2和D3进行近似熵计算，在计算中选择N = 1000, r = 0. 15*std，m = 2，并将第一数据集合的100个正常脑电细节信号与其余三个数据集合分别含有64个尖慢活动、37个棘慢活动和32个棘波活动的异常脑电细节信号的近似熵值进行比较，分别形成三组数据，利用Neyman-Pearson准则进行分类检测的模块使用阈值进行检测，近似熵值低于阈值的信号被判决为癫痫信号，近似熵值大于等于阈值的信号被判决为正常脑电信号。一种癫痫脑电信号分类检测方法，包括步骤对正常脑电信号和癫痫脑电信号进行小波分析；对小波分解后的每一层细节信号进行近似熵计算；利用Neyman-Pearson准则进行分类检测。优选的，对正常脑电信号和癫痫脑电信号进行小波分析的步骤包括将小波分析的子频带设定为8 32Hz，采样率为USHz的脑电信号，经过3层分解得到各个子频带，选择 db4作为小波基函数，进行近似熵计算的步骤包括对小波分解后每一层的细节信号Dl，D2和D3进行近似熵计算，在计算中选择N = 1000, r = 0. 15*std，m = 2，并将第一数据集合的100个正常脑电细节信号与其余三个数据集合分别含有64个尖慢活动、37个棘慢活动和32个棘波活动的异常脑电细节信号的近似熵值进行比较，分别形成三组数据，利用Neyman-Pearson准则进行分类检测的步骤包括使用阈值进行检测，近似熵值低于阈值的信号被判决为癫痫信号，近似熵值大于等于阈值的信号被判决为正常脑电信号。本发明就是通过临床数据，从得到的癫痫信号中，区分各种不同类型的癫痫活动， 用小波分析和近似熵结合的方式提取脑电信号特征，并用NEYMAN-PEARSON准则进行判断检测，得到的结果与不进行分类检测的结果相比，提高了癫痫脑电活动的检测率。


图1为正常脑电与癫痫脑电信号示例图2是本发明实施例中第一组数据检测率和误检率的关系图(Dl，D2，D3)图3是本发明实施例中第二组数据检测率和误检率的关系图(Dl，D2，D3)图4是本发明实施例中第三组数据检测率和误检率的关系图(Dl，D2，D3)
具体实施例方式本发明的装置通过对癫痫脑电进行分类检测提高了癫痫脑电的检测率。图1为正常脑电与癫痫脑电信号示例。本发明的装置实现的基于小波分析和近似熵估计癫痫脑电信号分类检测方法分为三部分对采集的正常脑电和癫痫脑电进行小波分析；对小波分解后的每一层细节信号进行近似熵计算；利用NEYMAN-PEARSON进行分类检测。在癫痫脑电的分析中，典型癫痫信号分为棘波、尖波、棘慢复合波和尖慢复合波等。由于它们具有不同的时频特性，如果不加区分采用同样检测标准，对癫痫脑电进行检测不能得到最优检测效果。在进行小波分析时，子频带的选择和小波基函数的选择是关键，由于发作间歇期癫痫脑电信号的主要频率范围是4-32Hz，而较低频率成分以慢波的形式出现，在临床上主要考虑的是时长较短的特征波，所以重点研究的频带为8-32HZ，对于采样率为USHz的脑电信号，经过3层分解得到各个子频带，如表1所示，128Hz采样率脑电信号3层小波分解子频带分布。而Daubechies (db4)与癫痫脑电信号的互相关值为最大，所以选择db4作为小波基函数。表 1
子带信号频率分布(Hz)
Dl32--64
D216--32D38-16A30--8对脑电癫痫活动自动检测的第二步是对小波分解后每一层的细节信号Dl，D2和 D3进行了近似熵计算，在计算中选择N = 1000,r = 0. 15*std，m = 2，并将第一数据集合的 100个正常脑电细节信号与其余三个数据集合分别含有64个尖慢活动、37个棘慢活动和32 个棘波活动的异常脑电细节信号的近似熵值进行了比较，分别形成三组数据。通过分析比较发现较高分辨率细节信号D1，D2的ApEn值对健康及癫痫患者的脑电信号复杂性区分明
Mo对于前述经过小波分解和近似熵分析的三组脑电的细节信号，通过 Neyman-Pearson准则使用阈值进行检测。近似熵值低于阈值的信号被判决为癫痫信号，近似熵值大于等于阈值的信号被判决为正常脑电信号。图2-图4分别为对三组细节信号近似熵值检测后得到的检测率和误检率的关系。图2显示从正常脑电信号中区分癫痫尖慢活动的检测结果表明，D2比Dl和D3 具有更好的检测性能。图3显示了 Dl和D2不仅具有同样的检测结果，而且它们都能够很好的将含有棘慢活动的癫痫信号从正常脑电信号中检测出来，达到误检率为零，但是通过仔细观察癫痫棘慢脑电和正常脑电近似熵值的分布，很容易发现即Dl比D2有更高的检测效果。图4很清楚地说明在区分正常脑电和含有棘波活动的癫痫脑电时，与D2和D3相比，Dl具有最高的检测效果。表2为3组数据的最优检测结果。表权利要求
1.一种癫痫脑电信号分类检测装置，其特征在于，包括对正常脑电信号和癫痫脑电信号进行小波分析的模块、对从所述进行小波分析的装置作小波分解后得到的每一层细节信号进行近似熵计算的模块、以及进一步利用Neyman-Pearson准则进行分类检测的模块。
2.如权利要求1所述的癫痫脑电信号分类检测装置，其特征在于，对正常脑电信号和癫痫脑电信号进行小波分析的模块将小波分析的子频带设定为 8 32Hz，采样率为USHz的脑电信号，经过3层分解得到各个子频带，选择db4作为小波基函数，进行近似熵计算的模块对小波分解后每一层的细节信号Dl，D2和D3进行近似熵计算， 在计算中选择N = 1000, r = 0. 15*std，m = 2，并将第一数据集合的100个正常脑电细节信号与其余三个数据集合分别含有64个尖慢活动、37个棘慢活动和32个棘波活动的异常脑电细节信号的近似熵值进行比较，分别形成三组数据，利用Neyman-Pearson准则进行分类检测的模块使用阈值进行检测，近似熵值低于阈值的信号被判决为癫痫信号，近似熵值大于等于阈值的信号被判决为正常脑电信号。
3.一种癫痫脑电信号分类检测方法，其特征在于，包括步骤对正常脑电信号和癫痫脑电信号进行小波分析；对小波分解后的每一层细节信号进行近似熵计算；利用Neyman-Pearson准则进行分类检测。
4.如权利要求3所述的癫痫脑电信号分类检测方法，其特征在于，对正常脑电信号和癫痫脑电信号进行小波分析的步骤包括将小波分析的子频带设定为8 32Hz，采样率为USHz的脑电信号，经过3层分解得到各个子频带，选择db4作为小波基函数，进行近似熵计算的步骤包括对小波分解后每一层的细节信号Dl，D2和D3进行近似熵计算，在计算中选择N= 1000,r = 0. 15*std，m= 2，并将第一数据集合的100个正常脑电细节信号与其余三个数据集合分别含有64个尖慢活动、37个棘慢活动和32个棘波活动的异常脑电细节信号的近似熵值进行比较，分别形成三组数据，利用Neyman-Pearson准则进行分类检测的步骤包括使用阈值进行检测，近似熵值低于阈值的信号被判决为癫痫信号，近似熵值大于等于阈值的信号被判决为正常脑电信号。
全文摘要
本发明公开了一种癫痫脑电信号分类检测装置，包括对正常脑电信号和癫痫脑电信号进行小波分析的模块、对从所述进行小波分析的装置作小波分解后得到的每一层细节信号进行近似熵计算的模块、以及进一步利用Neyman-Pearson准则进行分类检测的模块。本发明就是通过临床数据，从得到的癫痫信号中，区分各种不同类型的癫痫活动，用小波分析和近似熵结合的方式提取脑电信号特征，并用NEYMAN-PEARSON准则进行判断检测，得到的结果与不进行分类检测的结果相比，提高了癫痫脑电活动的检测率。
文档编号A61B5/0476GK102429657SQ20111028473
公开日2012年5月2日 申请日期2011年9月22日 优先权日2011年9月22日
发明者张崇明, 汪春梅, 王丽慧 申请人:上海师范大学