一種色彩標記振幅整合腦電圖的提取方法

2023-06-14 16:00:46

一種色彩標記振幅整合腦電圖的提取方法
【專利摘要】本發明公開了一種色彩標記振幅整合腦電圖的提取方法，包括：從腦電圖提取出待標記信息，並對所述待標記信息用色彩進行標記，得到色彩變化圖；將所述色彩變化圖與振幅整合腦電圖進行整合，得到色彩標記振幅整合腦電圖，其中所述振幅整合腦電圖為根據所述腦電圖進行振幅提取得到的圖。上述方法通過對腦電圖中除了振幅以外的並且是隨時間變化的其他信息進行提取，並利用色彩進行標記，使得最終得到的振幅整合腦電圖中不僅包含振幅信息，同時還能夠展示同一時刻隨時間變化的其它信息。由於是利用色彩進行標記，因此易於觀察和讀取，使得原始採集到的腦電圖中的信息得到更多的體現和應用，提高腦電圖的利用率。
【專利說明】一種色彩標記振幅整合腦電圖的提取方法

【技術領域】
[0001]本發明涉及生物醫學【技術領域】，特別涉及一種色彩標記振幅整合腦電圖的提取方法。

【背景技術】
[0002]腦電圖(Electroencephalogram,簡稱EEG)是通過精密的電子儀器，從頭皮上將腦部的自發性生物電位加以放大記錄而獲得的圖形，通過電極記錄下來的腦細胞群的自發性、節律性電活動，同時EEG也是大腦皮層神經的電活動在頭皮上的綜合體現。腦電圖檢查是目前醫療檢查中常用的一種對大腦功能變化進行無創檢查的有效方法。EEG檢查能幫助發現大腦神經電活動的異常情況，幫助臨床對神經發育做出判斷和預後評估。
[0003]振幅整合腦電圖(amplitude-1ntegrated EEG,簡稱aEEG)是連續腦電記錄(continuous EEG,簡稱cEEG) —種簡化後的形式。aEEG的提取主要是通過電子元器件的整流、平滑，將EEG轉化為沿時間軸上高度壓縮的緻密波帶，現有技術中從腦電數據中提取aEEG波形的數位化方法的示意圖圖1所示，具體的過程如下:
[0004]I)濾波:aEEG中所包含的信號成分一般僅為2 Hz?15 Hz，故在提取aEEG之前先要進行帶通濾波。同時，為了對腦電數據中的非節律成分的傳輸衰減進行補償，利用切比雪夫逼近理論，設計高性能的有限衝激響應數字濾波器，實現通帶內12dB/十倍頻程的幅度補償。
[0005]2)端點提取:將腦電數據分成不重疊的短時片段(L = 6秒)，按照野點比例Λ =10%提取每一段內的腦電信號峰-峰值的最大值、最小值，並將其作為aEEG波形中每一點對應豎線的上端點與下端點，其中野點比例Λ = 10%的含義為最大值、最小值在最大值點與最小值點之和中佔有相同的比例10%。
[0006]3)幅度壓縮:為了能更好的顯示aEEG波帶下邊緣信息，同時也使其能夠以緻密波帶的形式展示，對波形幅度小於6 μ V部分不壓縮，而大於6 μ V部分按照對數壓縮的方式進行壓縮，優點是提取出的aEEG波形有更窄的動態範圍，能夠顯示為窄波帶。
[0007]4)時間壓縮:使每一條aEEG豎線對應6秒長的原始腦電圖，從而在時間軸上壓縮EEG波形，便於整體觀察。
[0008]利用現有振幅整合腦電圖機器能夠顯示aEEG波形，但是由於aEEG波形在時間軸上高度壓縮，展示的主要為腦電信號的幅度信息。實際上aEEG圖形中信息量很大，其中的幅度信息容易判斷，而除了幅度信息以外的信息則未能體現，需要臨床醫生進行判斷，對於aEEG波形中所包含的信息主要靠目測觀察。這樣導致的結果是一方面缺乏客觀標準，容易造成誤讀、誤判；另一方面也對醫護人員目測觀察的能力以及經驗提出了較高的要求。如果採用多圖互相參照的方式，則會給臨床醫生的診斷造成額外的負擔，影響判斷的效率。可見現有導電圖中除了幅度信息以外的其它信息由於不容易觀察和讀取，未能得到合理的應用，導致利用率較低。


【發明內容】

[0009]為了解決腦電圖中除幅度信息以外的信息未能合理應用的技術問題，本發明提供了一種色彩標記振幅整合腦電圖的提取方法，包括:
[0010]從腦電圖提取出待標記信息，並對所述待標記信息用色彩進行標記，得到色彩變化圖；
[0011]將所述色彩變化圖與振幅整合腦電圖進行整合，得到色彩標記振幅整合腦電圖，其中所述振幅整合腦電圖為根據所述腦電圖進行振幅提取得到的圖。
[0012]可選的，所述待標記信息為所述腦電數據中除了振幅以外的、隨時間變化的信息。
[0013]可選的,所述待標記信息為分類信息或冪律分布信息。
[0014]可選的，當所述待標記信息為分類信息時，所述從腦電圖中提取出待標記信息包括:
[0015]對所述腦電圖進行振幅提取得到振幅整合腦電圖；
[0016]對所述振幅整合腦電圖依次進行驚厥檢測和背景波形檢測，得到分類信息。
[0017]可選的，所述驚厥檢測包括:
[0018]對所述振幅整合腦電圖提取下邊緣；
[0019]對於所述下邊緣上的每個時間點均有相應的參考邊緣，所述參考邊緣上每個時間點的幅值取所述下邊緣對應當前時間點的幅值以及當前時間點前6分鐘的所有正常點的幅值的中位數；
[0020]如果所述下邊緣上當前時間點的幅值與所述參考邊緣上對應的時間點的差值大於參考值，則將當前時間點判定為驚厥點。
[0021]可選的，如果前6分鐘的所有時間點均為驚厥點，則所述下邊緣上當前時間點的參考邊緣等於前一個時間點的參考邊緣。
[0022]可選的，如果所述參考邊緣上高電壓電活動的持續時間大於12秒時被判定為驚厥點，如果所述參考邊緣上高電壓電活動的持續時間不大於12秒時被判定為正常點。
[0023]可選的，對所述正常點進一步進行背景波形檢測，將所述背景波形檢測的結果與判定為驚厥的時間點進行整合。
[0024]可選的，當所述待標記信息為冪律分布信息時，所述從腦電圖中提取出待標記信息包括:
[0025]對所述腦電圖中原始信號進行分段，並對每一段原始信號進行頻譜變換，得到頻譜圖；
[0026]從所述頻譜圖中選取頻率在4Hz?25Hz之間的頻譜信號取雙對數，並進行線性擬合，得到線性擬合係數以及隨時間變化的時間係數。
[0027]可選的，所述對每一段原始信號進行頻譜變換時，取時間長為6秒時間窗進行平滑處理。
[0028]本發明提供的方法通過對腦電圖中除了振幅以外的並且是隨時間變化的其他信息進行提取，並利用色彩進行標記，使得最終得到的振幅整合腦電圖中不僅包含振幅信息，同時還能夠展示同一時刻隨時間變化的其它信息。由於是利用色彩進行標記，因此易於觀察和讀取，使得原始採集到的腦電圖中的信息得到更多的體現和應用，提高腦電圖的利用率。

【專利附圖】

【附圖說明】
[0029]圖1為現有技術中提取提供aEEG波形的數位化方法的示意圖；
[0030]圖2為本發明提供的一種色彩標記振幅整合腦電圖的提取方法的步驟流程圖；
[0031]圖3為本發明提供的一種色彩標記振幅整合腦電圖的提取方法處理過程的示意圖；
[0032]圖4是實施例一中步驟SlO的步驟流程圖；
[0033]圖5是實施例一中步驟S102進行驚厥檢測的步驟流程圖；
[0034]圖6是實施例一中進行分類檢測的流程圖；
[0035]圖7是實施例一中提供的色彩標記振幅整合腦電圖的提取方法處理過程的示意圖；
[0036]圖8是實施例二中步驟SlO的步驟流程圖；
[0037]圖9是實施例二中提取得到EEG原始信號波形圖；
[0038]圖10是實施例二中提取得到的冪律分布特徵值為隨時間變化的PL值以及線性擬合係數r ;
[0039]圖11是實施例二中提供的色彩標記振幅整合腦電圖的提取方法處理過程的示意圖。

【具體實施方式】
[0040]下面結合附圖和實施例，對本發明的【具體實施方式】作進一步詳細描述。以下實施例用於說明本發明，但不用來限制本發明的範圍。
[0041]本發明提供了一種色彩標記振幅整合腦電圖的提取方法，步驟流程圖如圖2所示，包括以下步驟:
[0042]步驟S10、從腦電圖提取出待標記信息，並對待標記信息用色彩進行標記，得到色彩變化圖。
[0043]步驟S20、將色彩變化圖與振幅整合腦電圖進行整合，得到色彩標記振幅整合腦電圖，其中振幅整合腦電圖為根據腦電圖進行振幅提取得到的圖。
[0044]其中腦電圖(EEG)是利用腦電採集系統對大腦信號進行採集得到的圖形，對腦電圖(EEG)進一步進行振幅提取得到振幅整合腦電圖(aEEG)，同時對於EEG或者aEEG從中提取隨時間變化的信息，作為待標記信息。之後對待標記信息利用色彩進行標記，得到色彩變化圖，而且該色彩變化圖也是隨時間變化的。最後對得到的aEEG和色彩變化圖進行整合，就得到色彩標記振幅整合腦電圖(即Colored aEEG)，在展示aEEG中振幅信息的同時，還能同時展示同一時刻的其它信息。這些信息有一個特性就是隨時間變化，上述處理過程的示意圖如圖3所示。
[0045]因此本發明中的待標記信息為腦電數據中除了振幅以外的、隨時間變化的信息。
[0046]可選的，待標記信息為分類信息或冪律分布信息。
[0047]首先，對於aEEG的應用是以對其的分類和評價為基礎的，因此對其分類時需要按照一定的標準進行劃分，目前常用的劃分標準有如下幾種:
[0048]I)按照幅度分類:A1 Naqeeb等創建了一個分類系統，以aEEG的整體振幅為基礎，14例正常新生兒為對照組，待劃分aEEG與對照組aEEG進行比較，得到以下三種情況:
[0049]波帶上邊緣幅度值>10 μ V，下邊緣幅度值>5 μ V為正常振幅；
[0050]波帶上邊緣幅度值>10 μ V，下邊緣幅度值< 5 μ V為輕度異常振幅；
[0051]波帶上邊緣幅度值〈10 μ V，下邊緣幅度值〈5 μ V為重度異常振幅。
[0052]2)按照背景波形分類:依據aEEG背景波形的模式，可將其分為正常連續、正常非連續、暴發-抑制、連續低電壓、平坦波等，如表I。
[0053]

連續性活動，aEEG下邊界在(5) ~7~10μν,上正常連續邊界在1?25 (50) μν。對於足月兒，這種類型
(continuous,簡稱C) 常被稱為連續正常電壓(continuous normal
__voltage,簡稱CNV)_
正常非連續不連續性活動，aEEG下邊界可變，但主要低於
(discontinuous,簡稱DC) 5μ\7,上邊界>10μν
連續低電壓
(continuous low voltage,簡稱連續性極低的振幅活動，在5μ?上下或是<5μν
CLV)__
爆發-抑制不連續性活動，下邊界恆定在O?1(2)μν,爆發
(bursl-supprcss1n BS)振幅 225μν
BS+__指BS背景活動，爆發波次數多，2100次/h
BS-__指BS背景活動，爆發波次數多，<100次/h
_靜■ I卜平土曰7)^

背景活動主要為電靜止(皮質腦電靜止)，<5μν
(flat tracc, F F)
[0054]表I aEEG背景活動的分類
[0055]3)按照驚厥分類:即按照驚厥有無及驚厥的程度進行劃分，由於驚厥可以根據腦電圖中相關信息的變化進行判斷，一般驚厥的最短持續時間約為10秒。
[0056]以上三種分類方式除了幅度分類以外，剩餘兩種分類方式均是隨時間變化的，因此可以對分類信息進行提取，最終再將其整合到原本僅包含振幅信息的aEEG中。
[0057]其次，冪律分布(Power-1aw)是一種常見的分布模型，現實世界中，許多複雜網絡的連接度分布都呈現為某種冪律分布函數的形式。如果以k表示節點度，p(k)表示度為k的概率密度，則冪律分布為P (k)?k_a，其中k大於某個正常數，冪律係數a大於I (保證對概率密度從某個正常數到無窮的積分能夠具有收斂性質)。
[0058]由於大腦神經網絡是已知的最為複雜的網絡之一，用簡單的網絡模型無法對其進行準確的描述和統計。儘管目前無法對其特性給出具體的定義，但目前已有許多研究探索大腦皮層神經網絡的冪律分布特性。Freeman等曾提出，皮層腦電的頻域特性符合冪律分布；He等將fMRI和ECoG結合將皮層腦活動的冪律分布特性與自然界中其他複雜網絡進行了對比；FraSSOn等在對成人和新生兒的腦電進行分析比較後得出，新生兒的腦活動符合無標度的冪律分布，且新生兒和成人的腦電活動在冪律分布特性上有區別。而且由於冪律分布信息也是隨時間變化的信息，因此可以利用本發明提供的方法對冪律分布信息進行提取，最終再將其整合到原本僅包含振幅信息的aEEG中。
[0059]以上述分類信息和冪律分布信息分別作為待標記信息應用本發明提供的方法進行處理，具體參見以下實施例一和實施例二。
[0060]實施例一
[0061]本實施例中提供一種色彩標記振幅整合腦電圖的提取方法，包括上述步驟SlO和S20,當待標記信息為分類信息時，步驟SlO從腦電圖中提取出待標記信息的具體過程包括:
[0062]步驟S101、對腦電圖進行振幅提取得到振幅整合腦電圖。
[0063]步驟S102、對振幅整合腦電圖依次進行驚厥檢測和背景波形檢測，得到分類信息，也就是得到待標記/[目息。
[0064]上述步驟流程如圖4所示。
[0065]其中步驟S102中首先進行驚厥檢測，步驟流程如圖5所示，包括以下步驟:
[0066]步驟S1021、對振幅整合腦電圖提取下邊緣。由於驚厥表現為突發、持續性的高電壓電活動，有時候上下邊緣同時上升，有時候僅上邊緣上升。因此，本實施例中選取下邊緣作為檢測驚厥的特徵量。
[0067]步驟S1022、對於下邊緣上的每個時間點均有相應的參考邊緣,參考邊緣上每個時間點的幅值取下邊緣對應當前時間點的幅值以及當前時間點前6分鐘的所有正常點的幅值的中位數。如果前6分鐘的所有時間點均為驚厥點，則下邊緣上當前時間點的參考邊緣等於前一個時間點的參考邊緣。也就是給前6分鐘的所有點加上一個O或I的權重後再取中位數(取中位數而非平均數是為了避免異常數據造成的幹擾)。如果前6分鐘的所有點都已經被判定為驚厥，即沒有取中位數的點集合，則下邊緣上該點的參考邊緣等於前一個點的參考邊緣。
[0068]步驟S1023、如果下邊緣上當前時間點的幅值與參考邊緣上對應的時間點的差值大於參考值，則將當前時間點判定為驚厥點。
[0069]一般認為驚厥的最短持續時間為10秒，本實施例中結合aEEG上每個點所代表的時間長度，選取驚厥的最短持續時間閾值為12秒，如果參考邊緣上高電壓電活動的持續時間大於12秒時被判定為驚厥點，如果參考邊緣上高電壓電活動的持續時間不大於12秒時被判定為正常點。
[0070]從上述驚厥檢測算法中可以看出，該算法的檢測準確程度與參考值的選擇有關，參考值一般是根據多次試驗得到的經驗值。通過對已有數據進行實驗分析，本實施例最終取1.43 μ V為參考值。
[0071 ] 本實施例中，先對驚厥進行檢測，對於未被分類為驚厥的部分，再將其進行背景波形的分類檢測，檢測得到每個點的分類之後，再將臨近的相同分類的點整合為事件，其具體類別及分類標準如表2。
[0072]

【權利要求】
1.一種色彩標記振幅整合腦電圖的提取方法，其特徵在於，包括: 從腦電圖提取出待標記信息，並對所述待標記信息用色彩進行標記，得到色彩變化圖； 將所述色彩變化圖與振幅整合腦電圖進行整合，得到色彩標記振幅整合腦電圖，其中所述振幅整合腦電圖為根據所述腦電圖進行振幅提取得到的圖。
2.根據權利要求1所述的方法，其特徵在於，所述待標記信息為所述腦電數據中除了振幅以外的、隨時間變化的信息。
3.根據權利要求1或2所述的方法，其特徵在於，所述待標記信息為分類信息或冪律分布信息。
4.根據權利要求3所述的方法，其特徵在於，當所述待標記信息為分類信息時，所述從腦電圖中提取出待標記信息包括: 對所述腦電圖進行振幅提取得到振幅整合腦電圖； 對所述振幅整合腦電圖依次進行驚厥檢測和背景波形檢測，得到分類信息。
5.根據權利要求4所述的方法，其特徵在於，所述驚厥檢測包括: 對所述振幅整合腦電圖提取下邊緣； 對於所述下邊緣上的每個時間點均有相應的參考邊緣，所述參考邊緣上每個時間點的幅值取所述下邊緣對應當前時間點的幅值以及當前時間點前6分鐘的所有正常點的幅值的中位數； 如果所述下邊緣上當前時間點的幅值與所述參考邊緣上對應的時間點的差值大於參考值，則將當前時間點判定為驚厥點O
6.根據權利要求5所述的方法，其特徵在於，如果前6分鐘的所有時間點均為驚厥點，則所述下邊緣上當前時間點的參考邊緣等於前一個時間點的參考邊緣。
7.根據權利要求5所述的方法，其特徵在於，如果所述參考邊緣上高電壓電活動的持續時間大於12秒時被判定為驚厥點，如果所述參考邊緣上高電壓電活動的持續時間不大於12秒時被判定為正常點。
8.根據權利要求5所述的方法，其特徵在於，對所述正常點進一步進行背景波形檢測，將所述背景波形檢測的結果與判定為驚厥的時間點進行整合。
9.根據權利要求3所述的方法，其特徵在於，當所述待標記信息為冪律分布信息時，所述從腦電圖中提取出待標記信息包括: 對所述腦電圖中原始信號進行分段，並對每一段原始信號進行頻譜變換，得到頻譜圖； 從所述頻譜圖中選取頻率在4Hz?25Hz之間的頻譜信號取雙對數，並進行線性擬合，得到線性擬合係數以及隨時間變化的時間係數。
10.根據權利要求9所述的方法，其特徵在於，所述對每一段原始信號進行頻譜變換時，取時間長為6秒時間窗進行平滑處理。
【文檔編號】A61B5/0476GK104173046SQ201410440166
【公開日】2014年12月3日 申請日期:2014年9月1日 優先權日:2014年9月1日
【發明者】高小榕, 葉帥, 楊晨, 丁海豔, 高上凱 申請人:清華大學