一种脑电棘波的处理识别方法及装置与流程

本发明属于脑电识别技术领域，具体涉及一种脑电棘波的处理识别方法及装置。

背景技术：

癫痫是大脑神经元突发性异常放电，导致短暂的大脑功能障碍的一种慢性疾病，癫痫发作的典型特征是神经元群体产生异常同步的动作电位。

棘波是癫痫样放电的主要特征波形，持续时间20-70ms，主要成分为负相，具有陡峭的波形，波幅多变，典型棘波上升支陡峭，下降支稍缓坡度。棘波多为病理性波。

棘波的识别可以帮助医务人员对癫痫做出辅助诊断，并进一步分型和制定相应的治疗方案，在临床实践中对棘波的识别主要依靠人工进行，其效率较低，难以大规模分析，同时，由于人的主观因数影响，不同人员对同一数据的判断也可能存在差异，致使棘波的识别结果严重依赖于识别人员的经验。

目前，棘波的识别方法主要是阈值法，其主要记录幅值大的负相尖波，可以和其他幅值小的信号分开，但阈值法抗干扰性较弱，容易产生误差，致使棘波的识别结果准确度差。

技术实现要素：

本发明的一个目的在于提供一种脑电棘波的处理识别方法，所述方法具有抗干扰能力强，处理识别效率高，识别结果准确，识别结果对人员的依赖弱等优点。

为了实现上述目的，本发明的技术方案如下：

一种脑电棘波的处理识别方法，包括如下步骤：

s1.对所需处理识别的脑电数据进行滤波处理，得到所需频率带；

s2.采用斜率法识别疑似棘波；

s3.去除相邻疑似棘波；

s4.去除小于阈值的疑似棘波。

进一步的，s1中采用理想带通数字滤波器对脑电数据进行滤波处理。

进一步的，s2中疑似棘波的识别包括正向棘波识别和负向棘波识别；所述负向棘波的识别公式为：

x(i)-x(i-n)＞k(t)&&x(i+n)-x(i)＜k(t)；

所述正向棘波的识别公式为：

x(i)-x(i-n)＜k(t)&&x(i+n)-x(i)＞k(t)；

其中，k(t)＝ki*(ti-t(i-n))；x(i)表示第i时刻点的幅值；ki表示第i时刻点与i-n时刻点之间的斜率；ti-t(i-n)表示第i时刻点与i-n时刻点之间的间隔时间；k(t)表示第i时刻点与i-n时刻点之间的斜率与两点间隔时间的乘积；‘＆＆’表示第i时刻点需要同时满足前后两个公式。

进一步的，s3中去除相邻疑似棘波的方法为：

当l(i)-l(i-1)＜t时，去除幅值小的疑似棘波；

其中，l(i)-l(i-1)表示相邻疑似棘波点的时间间隔；t表示棘波持续时间的阈值。

本发明的再一个目的在于提供一种脑电棘波的处理识别装置，所述装置具有抗干扰能力强，识别效率高，识别结果准确，识别结果对识别人员的依赖弱等优点。

为了实现上述目的，本发明的技术方案为：

一种脑电棘波识别的装置，包括：脑电数据导入模块；数字滤波器；疑似棘波识别模块；相邻疑似棘波去除模块；小于阈值棘波去除模块；棘波输出模块；所述脑电数据导入模块用于导入所需识别的脑电数据；所述数字滤波器用于对所需识别的脑电数据进行滤波处理，得到所需频率带；所述疑似棘波识别模块用于识别出疑似棘波；所述相邻疑似棘波去除模块用于去除相邻的疑似棘波；所述小于阈值棘波去除模块用于去除小于阈值的疑似棘波；所述棘波输出模块用于输出棘波结果。

进一步的，所述数字滤波器为理想带通数字滤波器。

进一步的，所述疑似棘波识别模块采用斜率法进行疑似棘波识别，所述疑似棘波识别包括正向棘波识别和负向棘波识别；所述负向棘波的识别公式为：

x(i)-x(i-n)＞k(t)&&x(i+n)-x(i)＜k(t)；

所述正向棘波的识别公式为：

x(i)-x(i-n)＜k(t)&&x(i+n)-x(i)＞k(t)；

其中，k(t)＝ki*(ti-t(i-n))；x(i)表示第i时刻点的幅值；ki表示第i时刻点与i-n时刻点之间的斜率；ti-t(i-n)表示第i时刻点与i-n时刻点之间的间隔时间；k(t)表示第i时刻点与i-n时刻点之间的斜率与两点间隔时间的乘积；‘&&’表示第i时刻点需要同时满足前后两个公式。

进一步的，所述相邻疑似棘波去除模块去除相邻疑似棘波的方法为：当l(i)-l(i-1)＜t时，去除幅值小的疑似棘波；

其中，l(i)-l(i-1)表示相邻疑似棘波点的时间间隔；t表示棘波持续时间的阈值。

与现有技术相比，本发明的有益效果为：本发明所述的脑电棘波的处理识别方法及装置具有抗干扰能力强，识别效率高，识别结果准确，识别结果对人员的依赖弱等优点。

附图说明

图1为本发明的结构框图；

图2为本发明输出的棘波时刻点图。

具体实施方式

下面将结合具体实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明的保护范围。

实施例1

一种脑电棘波的处理识别方法，包括如下步骤：

s1.采用理想带通数字滤波器对所需处理识别的脑电数据进行滤波处理，得到所需频率带；

s2.采用斜率法识别疑似棘波，其中，疑似棘波的识别包括正向棘波识别和负向棘波识别；所述负向棘波的识别公式为：

x(i)-x(i-n)＞k(t)&&x(i+n)-x(i)＜k(t)；

所述正向棘波的识别公式为：

x(i)-x(i-n)＜k(t)&&x(i+n)-x(i)＞k(t)；

其中，k(t)＝ki*(ti-t(i-n))；x(i)表示第i时刻点的幅值；ki表示第i时刻点与i-n时刻点之间的斜率；ti-t(i-n)表示第i时刻点与i-n时刻点之间的间隔时间；k(t)表示第i时刻点与i-n时刻点之间的斜率与两点间隔时间的乘积；‘&&’表示第i时刻点需要同时满足前后两个公式；

s3.去除相邻疑似棘波，当l(i)-l(i-1)＜t时，去除幅值小的疑似棘波；

其中，l(i)-l(i-1)表示相邻疑似棘波点的时间间隔；t表示棘波持续时间的阈值；

s4.去除小于阈值的疑似棘波。

实施例2

如图1所示，一种脑电棘波的处理识别装置，包括：脑电数据导入模块；数字滤波器；疑似棘波识别模块；相邻疑似棘波去除模块；小于阈值棘波去除模块；棘波输出模块；所述脑电数据导入模块用于导入所需处理识别的脑电数据；所述数字滤波器用于对所需识别的脑电数据进行滤波处理，得到所需频率带；所述疑似棘波识别模块用于识别出疑似棘波；所述相邻疑似棘波去除模块用于去除相邻的疑似棘波；所述小于阈值棘波去除模块用于去除小于阈值的疑似棘波；所述棘波输出模块用于输出棘波结果。所述脑电棘波处理识别装置输出的脑电棘波结果如图2所示。

所述数字滤波器为理想带通数字滤波器。

所述疑似棘波识别模块采用斜率法进行疑似棘波识别，所述疑似棘波识别包括正向棘波识别和负向棘波识别；所述负向棘波的识别公式为：

x(i)-x(i-n)＞k(t)&&x(i+n)-x(i)＜k(t）；

所述正向棘波的识别公式为：

x(i)-x(i-n)＜k(t)&&x(i+n)-x(i)＞k(t)；

其中，k(t)＝ki*(ti-t(i-n))；x(i)表示第i时刻点的幅值；ki表示第i时刻点与i-n时刻点之间的斜率；ti-t(i-n)表示第i时刻点与i-n时刻点之间的间隔时间；k(t)表示第i时刻点与i-n时刻点之间的斜率与两点间隔时间的乘积；&&表示第i时刻点需要同时满足前后两个公式。

所述相邻疑似棘波去除模块去除相邻疑似棘波的方法为：

当l(i)-l(i-1)＜t时，去除幅值小的疑似棘波；

其中，l(i)-l(i-1)表示相邻疑似棘波点的时间间隔；t表示棘波持续时间的阈值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所有的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。