可见负熵总是非负。负熵完全可以度量信号之间的独立性。
[0065] 输出的互信息可以用负熵表示为
。最小化互信息就等于最 大化负熵。因而基于负熵最大化的代价函数为：
[0067] 其中，其中W是待求的解混矩阵，Η(Υ)随机变量Υ的熵，J(Y)随机变量Υ的负熵， Yg_s是η个高斯随机变量组成的随机矢量，与随机变量Y有相同的均值和协方差阵。
[0068] 上述的代价函数即确定为判别函数。
[0069] 4、求解最佳分离矩阵
[0070] 用基于负熵最大化的代价函数作为遗传算法的适应度函数，可用于判断是否达到 收敛条件。
[0071] 混合编码的遗传算法：是本发明的头皮脑电信号回顾性癫痫发作点检测方法采用 的优化算法，具体步骤如下
[0072] ⑴随机产生矩阵W= [w^w2, · · ·wn]T的初始种群；
[0073] 将随机生成的种群按实数编码的方式进行编码。
[0074] 计算初始种群的适应度函数-负熵最大化的代价函数；
[0075] 对适应度值排序，进行种群的实数交叉和变异操作，进入迭代运算；
[0076] (2)达到指定的遗传代数或者负熵的变化达到阈值，停止遗传操作，获得种群用格 雷码。阈值是一个经验值，一般为一个很小的数，代表几乎没有变化。
[0077] (3)对得到的种群用格雷码进行重新编码。
[0078] (4)对适应度值排序，进行种群的二进制交叉和变异操作，进入迭代运算；
[0079] (5)达到指定的遗传代数或者负熵的变化达到阈值，停止遗传操作，获得最佳分离 矩阵。
[0080] 上述步骤中的阈值是一个经验值，一般为一个很小的数，代表几乎没有变化。
[0081] 5、获得去除各种伪迹脑电彳目号
[0082] 将去均值化和白化后的脑电信号X= [Χια)，Χ2α)，···，Χηα)]和最佳矩阵w =[?1，《2，...\]1目乘，解混获得无伪迹信号的干扰的脑电信号乂' =匕1(0'，知(0'，··· ，xn(t)']。
[0083] 步骤二、对去除伪迹的脑电信号通过非线性动力学样本熵阈值检测法，进行回顾 性分析确定癫痫发作点
[0084] 将去处各种伪迹的脑电信号X' = [Xl(t)'，x2 (t)'，···，&(0']通过非线性动力学 样本熵阈值检测法进行回顾性分析，在长程脑电数据中找到癫痫发作的数据段，提示可能 出现癫痫发作，以辅助医生的完成海量数据筛选和分析，实现癫痫监测的全程自动化。具体 实施步骤如下：
[0085] 选取去处各种伪迹的脑电信号计算样本熵，该数据要求包括发作前期和发作期两 部分数据。样本熵曲线是由多个样本熵点绘制而成，数据长度D=样本熵个数M*窗口大小 N。 下面介绍单个样本熵的计算。
[0086] 设定窗口的大小N，即这该段信号即为[Xl(t)'，X2(t)'，~，xN(t)'] x(l),x(2),x(3)......x(N)，按顺序组成一组m维矢量，Xmii'（t) = [x'm(t),x' m+1 (t),...... ，x' "+1i(t) ]，l〈i〈N-m。参数m的设定在本实验中以经验值来确定。
[0087] 定义矢量X'jt)与Ut)之间的距离dK^ahUt)]，为两者 对应元素中差值最大的一个，即：(〇'|1^(1:)，父' |1^(1:)]=11^[4(1+101(」_+10|]， 0<k<m-l,i<j,l<i,j<N-m.
[0088] 定义阈值r为脑电信号序列的相似容限，常用序列的标准差SD来表示，则r= O. 15*std(N)。对于给定阈值r，对每一个i值统计dDC'jthX'uU)]小于r的数目（模 板匹配数），并计算该数目与距离总数的比值，用表示，即：
[0089]
，i，j}。同时用Bm(r)表示其对于 所有的i的平均值：
[0090] 维数加1并不断重复上述步骤，计算得到4m(r)与Am(r)。这该序列的样本熵为： SampEn(m，r) =limN{-ln[Am(r)/Bm(r)]}，当窗口N确定时，即为有限值时，SampEn(m，r，N) =-In[Am (r)/Bm (r)]。对取定的模板向量参数，当模板长度为m，阈值为r时，设B为此时模 板匹配的总数，即：B= {[ (N-m-1) (N-m) ] /2}Bm (r)。当维数加1时，对于此时的阈值r，设A 为此时的模板匹配的总数，即：A= {[(N-m-1) (N-m)]/2}Am(r)。取样本熵SampEn(m,r,N) 为-In(A/B)。当样本熵达到指定阈值时，记录该点为发作点。具体是：由于本算法为回顾 性算法，经多次对比实验，本发明的头皮脑电信号回顾性癫痫发作点检测方法中此处的阈 值设置为15时，预测准确率最高时，记录该点为发作点。
[0091] 如图2所示，本发明的头皮脑电信号回顾性癫痫发作点检测系统，包括脑电信号 接收模块、癫痫发作点确定模块，信息输出模块。其中，脑电信号接收模块用于接收临床采 集到的原始脑电信号。癫痫发作点确定模块用于通过脑电信号接收模块接收的脑电信号分 析确定回顾性癫痫发作点。信息输出模块用于将癫痫发作点确定模块确定的回顾性癫痫发 作点输出。
[0092] 癫痫发作点确定模块包括脑电信号伪迹去除模块、发作点分析确定模块，脑电信 号伪迹去除模块包括去均值化处理模块、白化处理模块、求解最佳分离矩阵模块、获得无伪 迹脑电信号模块。其中，均值化处理模块是对原始脑电信号进行均值处理。白化处理模块 是对均值化处理模块处理后的脑电信号进行白化处理。求解最佳分离矩阵模块用于求解最 佳分离矩阵，首先求解代价函数，求解代价函数作为遗传算法的适应度函数，可用于判断是 否达到收敛条件，最终求得最佳分离矩阵。获得无伪迹脑电信号模块是将白化处理模块的 到的脑电信号与求解最佳分离矩阵模块获得的最佳分离矩阵相乘获得无伪迹脑电信号。发 作点分析确定模块是对去除伪迹的脑电信号通过非线性动力学样本熵阈值检测法，进行回 顾性分析确定癫痫发作点。
[0093] 信息输出模块将确定的癫痫发作点可以以不同方式输出。包括显示接口输出、音 频接口输出、网络接口输出。当确定为发作点时，在显示上以红色竖线标记方式通过显示接 口输出至显示器，同时通过音频接口输出声音报警，还可通过网络接口通过3G网络或wifi 无线网发送报警信息。
【主权项】
1. 一种头皮脑电信号回顾性癫痫发作点检测方法，包括采集原始脑电信号，其特征在 于： 获得去除各种伪迹脑电?目号； 对去除伪迹的脑电信号通过非线性动力学样本熵阈值检测法，进行回顾性分析确定癫 痫发作点。2. 根据权利要求1所述的一种头皮脑电信号回顾性癫痫发作点检测方法，其特征在 于：所述获得去除各种伪迹脑电?目号方法如下： (1) 对脑电信号进行去均值化处理； (2) 对去均值化处理后的脑电信号进行白化处理； (3) 求解最佳分离矩阵； (4) 将步骤（2)获得的电脑信号与步骤（3)得到的最佳分离矩阵相乘，获得去除各种伪 迹脑电信号。3. 根据权利要求2所述的一种头皮脑电信号回顾性癫痫发作点检测方法，其特征在 于：所述脑电信号均值化处理如下： X= (X-nij)/Sj 其中，X为脑电信号均值化处理后的脑电信号，X.,为原始脑电信号，m,和S,分别为每个 脑电信号样本的均值和标准差。4. 根据权利要求2所述的一种头皮脑电信号回顾性癫痫发作点检测方法，其特征在 于：所述白化处理是对任意多维信号施加一个线性变换，使多维信号变为白色信号的处理 过程。5. 根据权利要求2所述的一种头皮脑电信号回顾性癫痫发作点检测方法，其特征在 于：所述求解最佳分离矩阵方法如下：建立优化算法与求解判别函数，用判别函数判断优 化算法何时收敛，求解出分离矩阵。6. 根据权利要求5所述的一种头皮脑电信号回顾性癫痫发作点检测方法，其特征在 于：所述判别函数如下：其中，其中W是待求的解混矩阵，H(Y)随机变量Y的熵，J(Y)随机变量Y的负熵，Ygauss 是η个高斯随机变量组成的随机矢量，与随机变量Y有相同的均值和协方差阵。7. 根据权利要求5所述的一种头皮脑电信号回顾性癫痫发作点检测方法，其特征在 于：所述优化算法是混合编码的遗传算法。8. 根据权利要求7所述的一种头皮脑电信号回顾性癫痫发作点检测方法，其特征在 于：所述混合编码的遗传算法具体如下： (1) 随机产生矩阵的初始种群，将随机生成的种群按实数编码的方式进行编码， 计算初始种群的适应度函数即负熵最大化的代价函数， 对适应度值排序，进行种群的实数交叉和变异操作，进入迭代运算； (2) 达到指定的遗传代数或者负熵的变化达到阈值，停止遗传操作，获得种群用格雷 码； (3) 对得到的种群用格雷码进行重新编码； (4) 对适应度值排序，进行种群的二进制交叉和变异操作，进入迭代运算； (5) 达到指定的遗传代数或者负熵的变化达到阈值，停止遗传操作，获得最佳分离矩 阵。9. 根据权利要求8所述的一种头皮脑电信号回顾性癫痫发作点检测方法，其特征在 于：所述步骤（2)与步骤（5)中的阈值均是经验值。10. -种头皮脑电信号回顾性癫痫发作点检测系统，其特征在于：包括脑电信号接收 模块、癫痫发作点确定模块，信息输出模块，其中，脑电信号接收模块用于接收临床采集到 的原始脑电信号，癫痫发作点确定模块用于通过脑电信号接收模块接收的脑电信号分析确 定回顾性癫痫发作点，信息输出模块用于将癫痫发作点确定模块确定的回顾性癫痫发作点 输出。
【专利摘要】本发明属于头皮脑电信号技术领域，提出了一种头皮脑电信号回顾性癫痫发作点检测方法及系统。本发明方法是对去除了各种伪迹脑电信号，通过非线性动力学样本熵阈值检测法，进行回顾性分析确定癫痫发作点的。本发明的头皮脑电信号回顾性癫痫发作点检测系统，包括脑电信号接收模块、癫痫发作点确定模块，信息输出模块。其中，脑电信号接收模块用于接收临床采集到的原始脑电信号。癫痫发作点确定模块用于通过脑电信号接收模块接收的脑电信号分析确定回顾性癫痫发作点。信息输出模块用于将癫痫发作点确定模块确定的回顾性癫痫发作点输出。采用本发明方法或者系统脑电信号数据可在10秒内完成解混，快速确定癫痫发作点，效果显著。
【IPC分类】G06F17/16, G06F17/15, A61B5/00, A61B5/0476
【公开号】CN105249962
【申请号】CN201510736832
【发明人】沈晋慧, 张罡, 杨芳, 邵明刚, 杭和平
【申请人】北京联合大学
【公开日】2016年1月20日
【申请日】2015年11月3日