專利名稱：基于缺項特征的腦電圖分類檢測裝置的制作方法
技術領域：
本發明涉及一種基于缺項特征的腦電圖分類檢測裝置，屬于腦電圖信號特征提取和檢測技術領域。
背景技術：
大腦皮層神經元活動所產生的電位變化，可以通過大腦這個容積導體，反映到大腦頭皮表面。腦電圖(electroencephalogram, EEG)是從頡外頭皮或頡內電極記錄到的腦神經元群的自發性、節律性的電活動。腦電信號含有大量的腦神經功能信息和病理信息。癲癇是一種由于大量神經元突發性異常放電，導致短暫的大腦功能障礙的慢性疾病，其特征為突發性和復雜性。癲癇發病率約為0.5% 2%，發病人群主要為青少年，其對患者身心都造成嚴重的傷害，嚴重時甚至危及生命。診斷癲癇最有效的方法是腦電圖檢查，主要通過專家依據經驗分析腦電圖信 號，長時腦電圖的回放分析不僅枯燥乏味而且費時費力，不可避免的導致人為誤差的出現。腦電圖自動檢測不僅可以大幅度的減輕醫療工作者的勞動量，同時也可以提高檢測精度，但自動檢測卻非常困難，主要在于腦電信號是時變、非平穩和非線性的信號。例如:基于模糊規則的癲癇自動檢測，檢測靈敏度為68.9%，無法滿足癲癇自動檢測的需求(參見 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)公開了一種自動確定人工神經網絡識別癲癇樣放電閾值的方法及裝置，該方法需要確定多個網絡參數和大量的樣本訓練，算法復雜，難于實際應用。當前腦電特征多通過小波變換、短時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。常用的分類器如支持向量機和人工神經網絡，需要大量樣本訓練優化分類器參數，需花費較長的訓練時間，難于滿足在線分類的要求。
發明內容
為了克服現有技術的缺陷和不足，本發明提出了一種基于缺項特征的腦電圖分類檢測裝置。本發明的技術方案是按以下方式實現的:一種基于缺項特征的腦電圖分類檢測裝置，包括依次電路連接的多路腦電放大器、數據采集卡、計算機，所述計算機中內置有信號預處理模塊、信號分段模塊、缺項特征提取模塊、貝葉斯線性判別分析分類模塊和閾值判斷模塊；本裝置先由多路腦電放大器對腦電圖信號進行放大，然后由數據采集卡采集腦電圖信號并送入計算機中，最后通過計算機內的模塊分別對腦電圖信號進行預處理、分段、計算缺項特征、利用貝葉斯線性判別分析分類器對腦電缺項特征進行分類、利用閾值判斷對分類進行標記；其中:所述的多路腦電放大器，對腦電圖(EEG)信號進行放大；所述的數據采集卡，采集腦電圖信號，并存儲到計算機中；
所述的信號預處理模塊，對腦電圖信號進行0.5-30HZ帶通濾波的處理，以濾除腦電圖信號中肌電信號和工頻干擾；所述的信號分段模塊，對帶通濾波處理后的腦電圖信號進行分段，將每1024個不重復的點分為一段；所述的缺項特征提取模塊，對每段腦電圖信號計算其缺項特征向量，缺項特征向量s計算如下:s=[LA(l)，LA(2)，...，LA(L)]T，其中T是轉置符號，L為導聯數，I表示導聯編號(1=1，2，...，L)，LA⑴是導聯I腦電圖信號的缺項特征；
權利要求
1.一種基于缺項特征的腦電圖分類檢測裝置，其特征在于，包括依次電路連接的多路腦電放大器、數據采集卡、計算機，所述計算機中內置有信號預處理模塊、信號分段模塊、缺項特征提取模塊、貝葉斯線性判別分析分類模塊和閾值判斷模塊；先由多路腦電放大器對腦電圖信號進行放大，然后由數據采集卡采集腦電圖信號并送入計算機中，最后通過計算機內的模塊分別對腦電圖信號進行預處理、分段、計算缺項特征、利用貝葉斯線性判別分析分類器對腦電缺項特征進行分類、利用閾值判斷對分類進行標記；其中: 所述的多路腦電放大器，對腦電圖信號進行放大； 所述的數據采集卡，采集腦電圖信號，并存儲到計算機中； 所述的信號預處理模塊，對腦電圖信號進行0.5-30HZ帶通濾波的處理，以濾除腦電圖信號中肌電信號和工頻干擾； 所述的信號分段模塊，對帶通濾波處理后的腦電圖信號進行分段，將每1024個不重復的點分為一段； 所述的缺項特征提取模塊，對每段腦電圖信號計算其缺項特征向量，缺項特征向量s計算如下: s=[LA(l)，LA(2)，...，LA(L)]T，其中T是轉置符號，L為導聯數，I表示導聯編號(1=1，2，…，L)，LA⑴是導聯I腦電圖信號的缺項特征
2.如權利要求1所述的貝葉斯線性判別分析分類模塊，對缺項特征向量進行貝葉斯線性判別分析分類，得到分類輸出值，其特征在于，步驟如下: ①假定貝葉斯回歸中的目標值X和缺項特征向量s與疊加的高斯白噪聲η線性相關:x = wTs+n，其中w為權值向量，wT中的T是轉置符號，得到權值向量w的似然函數P (Ysx I β，w):
全文摘要
一種基于缺項特征的腦電圖分類檢測裝置，屬于腦電圖自動檢測技術領域。包括依次電路連接的多路腦電放大器、數據采集卡、計算機，所述計算機中內置有信號預處理模塊、信號分段模塊、缺項特征提取模塊、貝葉斯線性判別分析分類模塊和閾值判斷模塊；本裝置先由多路腦電放大器對腦電圖信號進行放大，然后由數據采集卡采集腦電圖信號并送入計算機中，最后通過計算機內的模塊分別對腦電圖信號進行預處理、分段、計算缺項特征、利用貝葉斯線性判別分析分類器對腦電缺項特征進行分類、利用閾值判斷對分類進行標記并獲取結果。本發明裝置具有以下的優點特征運算簡單，訓練和分類速度快，分類準確率高。能達到較好的分類檢測效果。
文檔編號A61B5/0476GK103190904SQ20131011361
公開日2013年7月10日 申請日期2013年4月3日 優先權日2013年4月3日
發明者周衛東, 劉銀霞, 袁莎莎, 馬曉光 申請人:山東大學