一種癲癇發作源的定位裝置及方法
【專利摘要】本發明公開了一種癲癇發作源的定位裝置，屬于生物醫學信號處理【技術領域】。所述裝置包括：用于采集患者癲癇發作期和發作間期的顱內腦電信號的裝置；用于對采集到的顱內腦電信號進行預處理的裝置；用于根據預處理后的顱內腦電數據，通過自適應有向傳遞函數計算得到隨時間變化的因果連接矩陣的裝置；用于根據得到的時變的因果連接矩陣，通過對中間中心性的計算和處理得到癲癇發作和傳播中的關鍵節點，找出這些節點對應的電極所在區域的裝置。本發明定位的癲癇發作源更準確。
【專利說明】
【技術領域】
[0001] 本發明屬于生物醫學信號處理【技術領域】，具體涉及一種癲癇發作源的定位裝置及 方法。 一種癲癇發作源的定位裝置及方法
【背景技術】
[0002] 癲癇是一種神經系統疾病，直接影響到全世界5000萬人，它的特點是反復發作， 顯著的降低了患者的生活質量。在20% -30%的癲癇病例中，抗癲癇藥不能有效控制癲癇 發作。對于局部的抗藥性癲癇，手術切除致癇區（epileptogenic zone, EZ)可能是減輕或抑 制癲癇發作唯一的治療方法，因此，準確找出EZ非常關鍵。然而，癲癇手術仍然有相當高的 失敗率，這表明了精確的找出EZ是未能解決的難題，需要采用更加先進的信號處理方法。
[0003] 癲癇發作的病理生理學特點是大腦神經元一過性的過度同步放電，而腦電圖 (Electroencephalograph)又是研究腦生物電活動的專門技術，因此在癲癇的診斷、分類及 治療中均具有重要意義。其中，顱內腦電（intracranial EEG，IEEG)使用開顱技術將電極 直接置于大腦皮層表面或置入腦深部結構，可以不受頭皮、顱骨、肌電和日常活動的干擾， 清晰地顯示腦電圖的細微變化過程，靈敏度高。結合視頻技術記錄到的臨床發作表現，確定 發作開始的時刻，從而區別原發和傳導而來的異常放電，準確定位癲癇發作源。
[0004] 目前，對癲癇發作源的定位主要依靠醫生對顱內腦電信號的肉眼分析，然而，分析 結果的質量在很大程度上依賴于醫生的專業知識、工作經驗和評判標準。采用信號處理技 術，對顱內腦電信號進行量化分析，可以方便的處理大量數據，也可以量化一些難以直觀的 信號特征，減少肉眼分析的主觀性并且提高效率。因此，采用信號處理的方法定位癲癇發作 源，可以作為癲癇手術術前評估的輔助手段。
[0005] 基于Granger因果的有向傳遞函數可以獲取不同的腦區之間有向信息 流而被廣泛地應用于癲癇網絡的研究中。C. Wilke等人（C. Wilke, G. Worrell, B. He.Graph analysis of epileptogenic networks in human partial epilepsy[J]. Epil印sia，2011，52(1) :84-93.)使用有向傳遞函數與中間中心性相結合的方法來找出癲 癇網絡發作和傳播的關鍵節點，取得了較好的效果。然而該方法在計算癲癇發作期的數據 時需要假設信號在所分析的時間窗內是平穩的，其連接模式是不變的，但是由于神經活動 是動態的，這種假設不可能總是有效的，故該方法無法獲取隨時間變化的連接信息；而且 該方法在通過顱內腦電信號來定位癲癇發作源時，只考慮了發作期在癲癇網絡中的關鍵節 點，而這些節點在發作間期可能也同樣活躍，不考慮發作間期的數據可能導致定位的發作 源不夠準確。而且傳統的有向傳遞函數的歸一化方法頻率窗內的每一個頻率成分平等對 待，而忽視了不同頻率成分所包含的能量不同，這些都會導致定位的發作源不準確。
【發明內容】
[0006] 本發明針對【背景技術】存在的缺陷，提供了一種癲癇發作源的定位裝置及方法，本 發明采用自適應有向傳遞函數與中間中心結合來定位癲癇發作源，對癲癇發作源的定位更 準確。
[0007] 本發明的技術方案如下：
[0008] -種癲癇發作源的定位裝置，所述裝置包括：
[0009] 第一裝置：用于采集患者癲癇發作期和發作間期的顱內腦電信號，并對其中的電 極從1到K編號，其中K為總的電極數。
[0010] 第二裝置：用于對采集到的K道顱內腦電信號進行預處理：對采集到的腦電信號 進行截取，截取至少3次癲癇發作前5秒至發作結束的數據，截取不少于20s的發作間期的 數據；對截取到的腦電數據進行濾波處理；對濾波處理后的腦電信號進行歸一化處理，使 其均值為〇,方差為1 ;對歸一化處理后的腦電信號進行重采樣。
[0011] 第三裝置：用于根據預處理后的顱內腦電數據，通過自適應有向傳遞函數計算得 到隨時間變化的KXK的因果連接矩陣：從預處理后的腦電信號中選取30Hz?80Hz頻段內 的腦電信號；使用赤池信息量準則對上述選取的頻段內的腦電信號進行擬合階數，根據所 述階數使用隨時間變化的多元自回歸模型擬合上述選取的頻段內的腦電信號；通過自適應 有向傳遞函數，根據擬合后的所述選取的頻段內的腦電信號，計算所述選取的頻段內各個 離散頻率和時間點上對應的因果連接矩陣；對上述計算得到的各個離散頻率和時間點上的 因果連接矩陣進行歸一化處理。
[0012] 第四裝置：用于根據上述得到的隨時間變化的因果連接矩陣，通過對K個節點中 間中心性的計算和處理得到癲癇發作和傳播中的關鍵節點，找出這些節點對應的電極所在 區域，定位出癲癇發作源：根據第三裝置處理后得到的因果連接矩陣在各個時間點分別計 算癲癇發作間期和發作期的網絡的K個節點中間中心性，其中發作期選取發作開始到發作 結束；分別計算出各個通道癲癇發作間期和發作期中間中心性的平均值；將各個通道癲癇 發作期的中間中心性的值與發作間期的中間中心性的值相減；根據相減得到的中間中心性 的值，找出值最大的3?5個通道，即為癲癇發作和傳播過程中的關鍵節點，找出這些節點 對應的電極所在區域，從而定位出癲癇發作源。
[0013] 一種癲癇發作源的定位方法，包括以下步驟：
[0014] A :采集患者癲癇發作期和發作間期的顱內腦電信號，并對其中的電極從1到K編 號，其中K為總的電極數；
[0015] B :對步驟A采集到的K道顱內腦電信號進行預處理；
[0016] C:根據預處理后的K道顱內腦電數據，通過自適應有向傳遞函數計算得到隨時間 變化的KXK的因果連接矩陣；
[0017] D :根據步驟C得到的隨時間變化的因果連接矩陣，通過對K個節點中間中心性的 計算和處理得到癲癇發作和傳播中的關鍵節點，找出這些節點對應的電極所在區域，從而 定位出癲癇發作源。
[0018] 所述步驟B具體包括：
[0019] B1 :對步驟A采集到的K道腦電信號進行截取：截取至少3次癲癇發作前5秒至發 作結束的數據，截取不少于20s的發作間期的數據；
[0020] B2 :對截取到的腦電數據進行濾波處理；
[0021] B3 :對濾波處理后的腦電信號進行歸一化處理，使其均值為0,方差為1 ;
[0022] B4 :對步驟B3處理后的腦電信號進行重采樣。
[0023] 所述步驟C具體包括：
[0024] C1 :從步驟B預處理后的K道腦電信號中選取30Hz?80Hz頻段內的腦電信號；
[0025] C2 :使用赤池信息量準則對步驟C1中選取的頻段內的K道腦電信號進行擬合階 數，根據所述階數使用隨時間變化的多元自回歸模型擬合步驟C1中選取的頻段內的腦電 信號；
[0026] C3 :通過自適應有向傳遞函數，根據擬合后的所述步驟C1中選取的頻段內的K道 腦電信號，計算所述步驟C1中選取的頻段內各個離散頻率和時間點上對應的KXK的因果 連接矩陣；
[0027] C4 :對步驟C3計算得到的各個離散頻率和時間點上的因果連接矩陣進行歸一化 處理。
[0028] 所述步驟D具體包括：
[0029] D1 :根據步驟C處理后得到的因果連接矩陣在各個時間點分別計算癲癇發作間期 和發作期的網絡的K個節點中間中心性，其中發作期選取發作開始到發作結束；
[0030] D2 :分別計算出各個通道癲癇發作間期和發作期中間中心性的平均值；
[0031] D3 :將各個通道癲癇發作期的中間中心性的值與發作間期的中間中心性的值相 減；
[0032] D4 :根據相減得到的中間中心性的值，找出值最大的3?5個通道，即為癲癇發作 和傳播過程中的關鍵節點，找出這些節點對應的電極所在區域，從而定位出癲癇發作源。 [0033] 本發明的有益效果為：
[0034] 1、采用本發明的癲癇發作源定位裝置及方法對顱內腦電信號進行量化分析，可以 更精確的處理大量數據，減少肉眼分析所帶來的誤差。
[0035] 2、本發明采用的自適應有向傳遞函數方法相比于傳統的有向傳遞函數法，更適用 于癲癇發作期的非平穩的腦電信號。對自適應有向傳遞函數的歸一化方法自動提高了基本 頻率的權重，使得對頻率窗的選擇不再重要。
[0036] 3、本方法根據自適應有向傳遞函數計算得到網絡數據，計算癲癇發作期中間中心 性與發作間期中間中心性的差值，相比于傳統方法中單純計算出度或中間中心性，得到的 關鍵節點與實際區域更加接近。
【專利附圖】
【附圖說明】
[0037] 圖1是本發明提供的癲癇發作源定位方法的流程圖。
[0038] 圖2是本發明實施例中患者顱內電極放置示意圖。
[0039] 圖3是本發明實施例中定位的關鍵節點與實際病灶距離的比較。其中，outdegree 為采用發作期的出度找出的關鍵節點與實際病灶的距離；BC為采用發作期的中間中心性 找出的關鍵節點與實際病灶的距離；BC_sub為采用發作期中間中心性與發作間期中間中 心性相減的方法找出的關鍵節點與實際病灶的距離。
[0040] 圖4是采用本發明的裝置和方法定位的癲癇發作源與實際病灶的空間位置示意 圖。其中，灰色區域為采用本發明裝置和方法定位的癲癇發作源；斜線標注的區域為實際病 灶區域。
【具體實施方式】
[0041] 下面結合附圖和實施例對本發明的【具體實施方式】做進一步詳細的描述。以下實施 例用于說明本發明，但不用來限制本發明的范圍。
[0042] -種癲癇發作源的定位方法，包括以下步驟：
[0043] 步驟A :采集患者癲癇發作期和發作間期的顱內腦電信號，并對其中的電極從1到 64編號，其中64為總的電極數：在患者開顱后埋置電極，進行2周的術前腦電圖監測。如 圖2所示，本實施例中，共64道電極，電極埋置區域為：1.左額縱裂向后16點片；2.左額中 上回及中央前32點片；3.左額下回16點片。電極間隔為5mm，信號采樣率為1024Hz。
[0044] 步驟B :對采集到的顱內腦電信號進行預處理。
[0045] 所述步驟B具體包括：
[0046] 步驟B1 :對步驟A采集到的64道腦電信號進行截取：截取3次癲癇發作前5秒至 發作結束的數據，截取20s的發作間期的數據；
[0047] 步驟B2 :對步驟B1截取到的64道顱內腦電信號進行濾波處理：首先通過50Hz陷 波器，排除工頻干擾，然后通過頻帶為[0.5,100Hz]的FIR(有限沖激響應）線性相位的低 通濾波器，濾掉高頻信號；
[0048] 步驟B3 :對濾波得到的64道信號進行歸一化處理，使其均值為0,方差為1 ;
[0049] 步驟Μ :將數據從1024Hz的重采樣為256Hz，重采樣可以降低計算時的模型階數 和數據長度，進而降低計算時對計算機內存的消耗，減少計算時間。
[0050] 步驟C :根據預處理后的64道顱內腦電數據，通過自適應有向傳遞函數計算得到 隨時間變化的64X64的因果連接矩陣。
[0051] 所述步驟C具體包括：
[0052] 步驟C1 :選取所要計算的頻段，因為研究顯示，癲癇發作的基本頻率主要集中在 貝塔和伽馬段，所以本實施例選取的頻段為伽馬段，具體為30-80HZ。
[0053] 步驟C2 :使用赤池信息量準則對所述預處理后的64道顱內腦電信號進行擬合的 階數，根據該階數使用時變的多元自回歸模型擬合顱內腦電信號。本實施例選取的階數為 4階。
[0054] 步驟C3 :通過自適應有向傳遞函數，根據擬合后的所述步驟C1中選取的頻段內的 腦電信號，計算所述步驟C1中選取的頻段內各個離散頻率和時間點上對應的因果連接矩 陣。
[0055] 自適應有向傳遞函數的計算公式為：
[0056] ADTFi^f.t) = |Η^.(Γ,?) |2 (1)
[0057] 其中ADTFU (f，t)是計算得到的64X64的因果連接矩陣，氏」(f，t)為系統傳遞矩 陣，它描述了在t時刻，頻率為f時，信息從通道j流向通道i的值。
[0058] 步驟C4 :對所述因果連接矩陣進行歸一化處理，本實施例中歸一化的頻段范圍是 30-80HZ，歸一化的公式為：
[0059]
【權利要求】
1. 一種癲癇發作源的定位裝置，所述裝置包括： 第一裝置：用于采集患者癲癇發作期和發作間期的顱內腦電信號，并對其中的電極從 1到K編號，其中K為總的電極數； 第二裝置：用于對采集到的K道顱內腦電信號進行預處理：對采集到的腦電信號進行 截取，截取至少3次癲癇發作前5秒至發作結束的數據，截取不少于20s的發作間期的數 據；對截取到的腦電數據進行濾波處理；對濾波處理后的腦電信號進行歸一化處理，使其 均值為〇,方差為1 ;對歸一化處理后的腦電信號進行重采樣； 第三裝置：用于根據預處理后的顱內腦電數據，通過自適應有向傳遞函數計算得到隨 時間變化的KXK的因果連接矩陣：從預處理后的腦電信號中選取30Hz?80Hz頻段內的腦 電信號；使用赤池信息量準則對上述選取的頻段內的腦電信號進行擬合階數，根據所述階 數使用隨時間變化的多元自回歸模型擬合上述選取的頻段內的腦電信號；通過自適應有向 傳遞函數，根據擬合后的所述選取的頻段內的腦電信號，計算所述選取的頻段內各個離散 頻率和時間點上對應的因果連接矩陣；對上述計算得到的各個離散頻率和時間點上的因果 連接矩陣進行歸一化處理； 第四裝置：用于根據上述得到的隨時間變化的因果連接矩陣，通過對K個節點中間中 心性的計算和處理得到癲癇發作和傳播中的關鍵節點，找出這些節點對應的電極所在區 域：根據第三裝置處理后得到的因果連接矩陣在各個時間點分別計算癲癇發作間期和發作 期的網絡的K個節點中間中心性，其中發作期選取發作開始到發作結束；分別計算出各個 通道癲癇發作間期和發作期中間中心性的平均值；將各個通道癲癇發作期的中間中心性 的值與發作間期的中間中心性的值相減；根據相減得到的中間中心性的值，找出值最大的 3?5個通道，即為癲癇發作和傳播過程中的關鍵節點，找出這些節點對應的電極所在區 域。
2. -種癲癇發作源的定位方法，包括以下步驟： A :采集患者癲癇發作期和發作間期的顱內腦電信號，并對其中的電極從1到K編號，其 中K為總的電極數； B :對步驟A采集到的K道顱內腦電信號進行預處理； C:根據預處理后的K道顱內腦電數據，通過自適應有向傳遞函數計算得到隨時間變化 的KXK的因果連接矩陣； D :根據步驟C得到的隨時間變化的因果連接矩陣，通過對K個節點中間中心性的計算 和處理得到癲癇發作和傳播中的關鍵節點，找出這些節點對應的電極所在區域； 所述步驟B具體包括： B1 :對步驟A采集到的K道腦電信號進行截取：截取至少3次癲癇發作前5秒至發作結 束的數據，截取不少于20s的發作間期的數據； B2 :對截取到的腦電數據進行濾波處理； B3 :對濾波處理后的腦電信號進行歸一化處理，使其均值為0,方差為1 ; B4 :對步驟B3處理后的腦電信號進行重采樣； 所述步驟C具體包括： C1 :從步驟B預處理后的K道腦電信號中選取30Hz?80Hz頻段內的腦電信號； C2 :使用赤池信息量準則對步驟C1中選取的頻段內的K道腦電信號進行擬合階數，根 據所述階數使用隨時間變化的多元自回歸模型擬合步驟Cl中選取的頻段內的腦電信號； C3 :通過自適應有向傳遞函數，根據擬合后的所述步驟C1中選取的頻段內的K道腦電 信號，計算所述步驟C1中選取的頻段內各個離散頻率和時間點上對應的KXK的因果連接 矩陣； C4 :對步驟C3計算得到的各個離散頻率和時間點上的因果連接矩陣進行歸一化處理； 所述步驟D具體包括： D1 :根據步驟C處理后得到的因果連接矩陣在各個時間點分別計算癲癇發作間期和發 作期的網絡的K個節點中間中心性，其中發作期選取發作開始到發作結束； D2 :分別計算出各個通道癲癇發作間期和發作期中間中心性的平均值； D3 :將各個通道癲癇發作期的中間中心性的值與發作間期的中間中心性的值相減； D4 :根據相減得到的中間中心性的值，找出值最大的3?5個通道，即為癲癇發作和傳 播過程中的關鍵節點，找出這些節點對應的電極所在區域。
【文檔編號】A61B5/0476GK104055513SQ201410271350
【公開日】2014年9月24日 申請日期:2014年6月18日 優先權日:2014年6月18日
【發明者】陳華富, 霍亞軍, 陳恒, 劉風, 段旭君 申請人:電子科技大學