CN103300849A - 脑电信号处理方法 - Google Patents

Abstract

本发明公开了一种脑电信号处理方法，包括如下步骤：给p个受试者分别按照下述步骤进行测试，计算机选取每个受试者的m个模拟导联信号，每个受试者的导联信号构成一个数字通道信号，计算各个数字通道信号的能量值，计算脑电的最大能量，计算各数字通道信号的隶属函数，设定数字通道信号的模糊特征向量，计算机画出各个通道信号的信噪比谱图，在计算机的显示屏中显示出通道信号的组合信噪比谱区分图。本发明具有能够有效提取脑电信号的事件相关特征；为医务人员的诊断提供可靠数据支持；提高了脑电信号的临床指导性；便于脑电分析方法的临床推广的特点。

Description

脑电信号处理方法

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种能够有效提取脑电信号的事件相关特征的脑电信号处理方法。

背景技术

大部分的疾病在发病之前或者发病过程中，大脑电位的变化都有特点，观察脑电图的变化，可以对疾病的判别起一定的指导作用。

但是，阅读脑电图仪显示的脑电图波形，并根据波形的变化做出判断是一个非常复杂的过程，常常会由于医生资质及经验的不足而出现脑电图的判读错误。

脑电图资料与影像学资料不同，由于影像学资料反应的是脑解剖学变化、且电子版与交给病人的片子是对应的，不存在信息的选择性截取，因此携带会诊较为容易，而脑电图反应的是大脑功能性变化（常随时间瞬息变化）及相应的临床行为学变化，一份记录4小时的脑电图即使仅用一种导联方式（常用导联方式有数种）来显示并打印，以每张纸打印10秒计算，则需要打印1440张，这几乎是不可能做到。

因此，只有高技术水平的脑电图从业人员通过精确研读计算机内记录下来的长时程原始的连续性脑电图图形，并汇总出一份可信而精确的脑电图报告才会真正起到临床指导作用。

中国专利授权公开号：CN101690659A，授权公开日2010年4月7日，公开了一种脑电波分析方法，其特征在于，包含以下步骤：步骤1、采集脑电数据；步骤2、对采集到的脑电数据进行时域分析；步骤3、对脑计算机电图进行预处理；步骤4、对脑波进行频域分析；步骤5、提取脑波特征，进行主成分分析；步骤6、采用支持向量机进行脑波模式分类。该发明可以提取脑疲劳、紧张及放松等特征信息；但是，该发明存在不能提取脑电信号的事件相关特征的缺点。

发明内容

本发明是为了克服现有技术很难做出可信而精确的脑电图报告，及无法提取事件相关特征的不足，提供了能够有效提取脑电信号的事件相关特征的脑电信号处理方法。

为了实现上述目的，本发明采用以下技术方案：

一种脑电信号处理方法，包括如下步骤：

（1-1） 给p个受试者分别按照下述步骤进行测试，p≥2：

戴上合适的电极帽，电极帽内设有10-20系统电极，10-20系统电极与脑电图仪电连接；

用酒精棉球擦拭放置电极部位头皮以脱脂，然后在头皮上安放10-20系统电极；

（1-2） 通过脑电图仪显示及记录脑电图，获取每个受试者的各个电极的模拟导联信号，每个受试者的各个电极的模拟导联信号输入计算机中存储；计算机选取每个受试者的m个模拟导联信号，m≥3，设定受试者序号i=1；

（1-3） 对第i个受试者的各个模拟导联信号分别进行抽样，计算相同抽样时刻的各个模拟导联信号的抽样值的平均抽样值，用N个不同抽样时刻的平均抽样值构成一个数字通道信号                                               

，

（1-4） 当i＜p，使i值增加1，重复（1-3）的处理过程；

（1-5） 计算机利用公式

，

；计算各个数字通道信号的能量值

；

（1-6）计算机利用公式

  计算脑电的最大能量

；

（1-7）计算机利用公式

计算各数字通道信号的隶属函数

； 

（1-8）计算机设定数字通道信号的模糊特征向量

；

（1-9）计算机将模糊特征向量输入计算机中预存的随机共振系统模型

中，随机共振系统模型输出信噪比SNR，计算机画出各个通道信号的信噪比谱图；

大部分疾病在发病之前或者发病过程中，大脑电位的变化都有特点，包含有事件相关特征的组合信噪比谱区分图可以给医务人员更加简单、直观的诊断支持。

目前，随机共振在微弱信号检测等领域得到广泛应用，该模型包含三个因素：双稳态（或多稳态）系统，输入信号以及噪声源。通常以一个在双稳态势阱中被周期力驱动的过阻尼布朗运动粒子来描述随机共振特性。

                    

其中和都是实参数，

为高斯白噪声，其自相关函数为：

，M是输入信号强度，

，是调制信号频率，D是噪声强度，是脑电图信号模糊特征向量；

信噪比公式为：                          

是信号频谱密度，

是信号频率范围内的噪声强度。

（1-10）在计算机的显示屏中显示出通道信号的组合信噪比谱区分图；

（1-11）计算机在组合信噪比谱区分图中选择事件相关特征的噪声强度范围，对该噪声强度范围内的组合信噪比谱区分图放大显示。

本发明通过对p个受试者分别提取3个或以上的模拟导联信号，分别对模拟导联信号进行抽样、计算平均抽样值，得到p个数字通道信号、计算各个数字通道信号的能量值、计算脑电的最大能量、计算各数字通道信号的隶属函数、将各隶属函数组合构成模糊特征向量，将模糊特征向量输入随机共振系统模型中，采用随机共振谱方法处理脑电信号，选择事件相关特征的噪声强度范围，对该噪声强度范围内的组合信噪比谱区分图放大显示。

患者使用上述步骤100至900测试过程进行测试，得到该患者的信噪比谱图，测得信噪比谱图的峰值，用该峰值与组合信噪比谱区分图的放大图的信噪比曲线的峰值相比较，与峰值最接近的曲线的疾病类型即为该患者的疾病类型。

作为优选，所述组合信噪比谱区分图包括二维组合信噪比谱区分图和三维组合信噪比谱区分图。

作为优选，所述噪声强度范围为0至250分贝。

作为优选，所述步骤（1-1）中的模拟导联信号为20个，分别为左前额点FP1，右前额点FP2，额点F3和F4，中央点C3和C4，顶点P3和P4，枕点O1和O2，左前颞 F7，右前颞F8，额中线FZ，中央中线CZ，左耳垂A1，右耳垂A2，左中颞T3，右中颞T4，左后颞T5和左后颞T6导联数据。

作为优选，所述步骤（1-4）中的选取的模拟导联信号为3至20个。

作为优选，步骤（1-3）中采用100次／秒至1000次／秒的抽样速率进行抽样。

作为优选，步骤（1-2）中的10-20系统电极在安放到头皮上之前用盐水浸泡。

因此，本发明具有如下有益效果：（1）能够有效提取脑电信号的事件相关特征；（2）为医务人员的诊断提供可靠数据支持；（3）降低了对医务人员的业务水平及经验的要求；（4）提高了脑电信号的临床指导性；（5）便于脑电分析方法的临床推广。

附图说明

图1是本发明的一种流程图；

图2是本发明的10-20系统电极的地形图；

图3是组合信噪比谱区分图的放大图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

癫痫是一种常见的、反复发作的慢性神经疾病，发病率很高，根据发病时的症状以及通过脑电图分析，癫痫可以分成部分性发作、全身性发作和其它性发作三个大类，部分性发作和全身性发作又各自包含了许多个细小的分类。一般来说，全身性发作比其它两大类的症状严重，对患者的危害极大，因此对癫痫患者有效预测对于患者来说具有极大的意义。

对癫痫的准确分类是对该类疾病预测和诊疗的一个重要环节，不同类别的癫痫采用不同类别的药物进行治疗，治疗效果评估也均与癫痫的类别密切相关。如果在患者癫痫类型判断错误情况下贸然进行药物干预或者手术，不但不能解决患者癫痫发作的问题，而且将失去最佳和最适合的诊疗时机，甚至造成生命威胁。因此，迫切需要一种快速、准确、无创的癫痫疾病类型判断方法。

如图1所示的实施例是一种脑电信号处理方法，包括如下步骤：

步骤100，给患有婴儿良性肌阵挛癫痫、儿童失神性癫痫、肌阵挛癫痫和小儿良性癫痫的4个受试者分别按照下述步骤进行测试：

戴上合适的电极帽，电极帽内设有如图2所示的10-20系统电极，10-20系统电极与脑电图仪电连接；

10-20系统电极前后方向的测量是以鼻根到枕骨粗隆连成的正中线为准，在此线左右等距的相应部位定出左右前额点F41和F42，额点F3和F4，中央点C3和C4，顶点p3和p4，枕点O1和O2，前额点的位置在鼻根上相当于鼻根至枕骨粗隆的10%处，额点在前额点之后相当于鼻根至额点距离的两倍，即鼻根正中线距离20%处，向后中央、顶、枕诸点的间隔均为20%。

用酒精棉球擦拭放置电极部位头皮以脱脂，然后在头皮上安放10-20系统电极；

请受试者坐舒服，肌肉放松，手平放在腿上，安静闭目，然后开通脑电图显示或记录系统，观察脑电图波形的基线是否平稳，电极是否接触良好。如发现有心电、肌电信号干扰，则移动一下与该导联相连接的电极位置。请受试者处于心情平稳愉悦状态，观察并记录脑电图波形的变化。

通过脑电图仪显示及记录脑电图，获取每个受试者的各个电极的模拟导联信号，每个受试者的各个电极的模拟导联信号输入计算机中存储；

步骤200，计算机选取每个受试者的3个模拟导联信号，模拟导联信号分别为O2、P3和F4；设定受试者序号i=1；

步骤300，对第i个受试者的各个模拟导联信号分别进行抽样，抽样速率为800次／秒；计算相同抽样时刻的各个模拟导联信号的抽样值的平均值，将该平均值定义为平均抽样值，用N=20000个不同抽样时刻的平均抽样值构成一个数字通道信号

，

步骤400，当i＜4，使i值增加1，重复（1-3）的处理过程；

步骤500，计算机利用公式

，

；计算各个数字通道信号的能量值

；

步骤600，计算机利用公式

  计算脑电的最大能量

；

步骤700，计算机利用公式

计算各数字通道信号的隶属函数

； 

步骤800，计算机设定数字通道信号的模糊特征向量

；

步骤900，计算机将模糊特征向量输入计算机中预存的随机共振系统模型

中，随机共振系统模型输出信噪比SNR，计算机分别画出4个通道信号的信噪比谱图；

步骤1000，在计算机的显示屏中显示出4个通道信号的组合信噪比谱区分图；

4个通道信号在噪声强度[200，2000]区域内区别并不明显，主要的区别集中于[0，200]区域内。

步骤1100，计算机在组合信噪比谱区分图中选择区别明显的噪声强度范围[0，200]，即事件相关特征的噪声强度范围[0，200]；对[0，200]内的组合信噪比谱区分图放大显示，得到图3。

例如：一个患者使用上述步骤100至900测试过程进行测试，得到该患者的信噪比谱图，测得该患者的信噪比谱图的峰值为74dB，则用该峰值与图3中的信噪比曲线的峰值相比较，最接近的曲线为儿童失神性癫痫，因此可以判断该患者的疾病为儿童失神性癫痫。

使用本发明的脑电信号处理方法检测疾病类型时，由图3可以看出，不同患者的疾病类型可以清楚、明了的区分开来。因此，本发明的脑电信号处理方法对准确区别癫痫疾病的类型具有重要的指导意义，便于医生准确区分不同患者的不同癫痫大类和小类，便于及时采用最合适的方法和药剂对患者进行治疗，让更多的癫痫患者者顺利康复。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (7)

1.一种脑电信号处理方法，其特征是，包括如下步骤：

（1-1）给p个受试者分别按照下述步骤进行测试，p≥2：

戴上合适的电极帽，电极帽内设有10-20系统电极，10-20系统电极与脑电图仪电连接；

用酒精棉球擦拭放置电极部位头皮以脱脂，然后在头皮上安放10-20系统电极；

通过脑电图仪显示及记录脑电图，获取每个受试者的各个电极的模拟导联信号，每个受试者的各个电极的模拟导联信号输入计算机中存储；

（1-2）计算机选取每个受试者的m个模拟导联信号，m≥3，设定受试者序号i=1；

（1-3）对第i个受试者的各个模拟导联信号分别进行抽样，计算相同抽样时刻的各个模拟导联信号的抽样值的平均抽样值，用N个不同抽样时刻的平均抽样值构成一个数字通道信号                                                

，

（1-4）当i＜p，使i值增加1，重复（1-3）的处理过程；

（1-5）计算机利用公式

，；计算各个数字通道信号的能量值

；

（1-6）计算机利用公式  计算脑电的最大能量

；

（1-7）计算机利用公式

计算各数字通道信号的隶属函数； 

（1-8）计算机设定数字通道信号的模糊特征向量

；

（1-9）计算机将模糊特征向量输入计算机中预存的随机共振系统模型

中，随机共振系统模型输出信噪比SNR，计算机画出各个通道信号的信噪比谱图；

（1-10）在计算机的显示屏中显示出通道信号的组合信噪比谱区分图；

（1-11）计算机在组合信噪比谱区分图中选择事件相关特征的噪声强度范围，对该噪声强度范围内的组合信噪比谱区分图放大显示。

2.根据权利要求1所述的脑电信号处理方法，其特征是，所述组合信噪比谱区分图包括二维组合信噪比谱区分图和三维组合信噪比谱区分图。

3.根据权利要求1所述的脑电信号处理方法，其特征是，所述噪声强度范围为0至250分贝。

4.根据权利要求1所述的脑电信号处理方法，其特征是，所述步骤（1-1）中的模拟导联信号为20个，分别为左前额点FP1，右前额点FP2，额点F3和F4，中央点C3和C4，顶点P3和P4，枕点O1和O2，左前颞 F7，右前颞F8，额中线FZ，中央中线CZ，左耳垂A1，右耳垂A2，左中颞T3，右中颞T4，左后颞T5和左后颞T6导联数据。

5.根据权利要求1所述的脑电信号处理方法，其特征是，所述步骤（1-4）中选取的模拟导联信号为3至20个。

6.根据权利要求1或2或3或4或5所述的脑电信号处理方法，其特征是，步骤（1-3）中采用100次／秒至1000次／秒的抽样速率进行抽样。

7.根据权利要求1或2或3或4或5所述的脑电信号处理方法，其特征是，步骤（1-2）中的10-20系统电极在安放到头皮上之前用盐水浸泡。

Images