脑电高度失律评估系统、装置及存储介质的制作方法

1.本发明实施例涉及医学信号处理领域，尤其涉及一种脑电高度失律评估系统、装置及存储介质。


背景技术：

2.eeg(electroencephalography，脑电图)的高度失律又称为高度节律紊乱或高度节律失调，表现为在持续弥漫性不规则高波幅慢波中混杂有棘波、尖波及多棘波等。高度失律主要见于婴儿期癫痫性脑病如婴儿痉挛、早期肌阵挛脑病等。
3.婴儿痉挛也称为west综合征，发作间期的eeg表现为典型或不典型的高度失律。婴儿痉挛的eeg临床演变过程在个体间差别很大，且在很大程度上取决于病因和起病年龄。在高度失律的eeg中，癫痫样放电通常在后头部更突出，可在清醒和睡眠期持续存在，但常在睡眠期更明显，清醒期可间断出现或完全消失。睡眠中的高度失律可间断或周期样发放，觉醒后eeg背景即刻呈现出一过性“正常化”，而后高度失律重新出现。
4.荟萃分析显示，促肾上腺皮质激素(acth)可使约76％的患儿发作缓解，54％～89％的患儿eeg快速正常化。长期随访研究证实约半数患儿最终的eeg背景活动接近正常。痉挛发作和高度失律的早期改善有助于患儿神经发育进步，但是否能改善癫痫发作和智力运动发育的长期预后尚缺乏充足证据。
5.尽管促肾上腺皮质激素(acth)在最初成功治疗婴儿痉挛(is)中表现出强大的疗效，但近一半痉挛曾被抑制的患者会复发。振幅负担和癫痫样放电(based)评分是婴儿痉挛的脑电图(eeg)分级量表。经研究发现，acth治疗后的based评分与acth初始反应后复发之间存在关联，具体地，当acth治疗后脑电图的based评分越高，复发风险越高。但based评分依赖医生的主观判读，在临床应用上有局限性。
6.综上，现有脑电高度失律评估结果的准确性完全依赖医生的临床经验。


技术实现要素：

7.本发明实施例提供了一种脑电高度失律评估系统、装置及存储介质，解决了现有脑电高度失律评估结果的准确性完依赖医生临床经验的问题。
8.第一方面，本发明实施例提供了一种脑电高度失律评估系统，该系统包括处理器，该处理器被配置为执行以下方法：
9.从待处理eeg信号中提取至少两个目标片段数据，所述目标片段数据包括癫痫样放电信号；
10.确定所述目标片段数据对应的动态功能连接矩阵，以及所述动态功能连接矩阵对应的动态功能连接向量；
11.对所有动态功能连接向量进行聚类分析以得到至少两个功能连接状态模板，通过为每个动态功能连接向量匹配对应的功能连接状态模板，确定用于反映各功能连接状态模板出现时序的时间序列组合；
12.确定每个功能连接状态模板的连接强度等级，以及根据每个功能连接状态模板的连接强度等级和所述时间序列组合，确定用于表示患者脑电高度失律情况的评估结果。
13.第二方面，本发明实施例还提供了一种脑电高度失律评估装置，包括：
14.数据确定模块，用于从待处理eeg信号中提取至少两个目标片段数据，所述目标片段数据包括癫痫样放电信号；
15.向量确定模块，用于确定所述目标片段数据对应的动态功能连接矩阵，以及所述动态功能连接矩阵对应的动态功能连接向量；
16.时间序列确定模块，用于对所有动态功能连接向量进行聚类分析以得到至少两个功能连接状态模板，通过为每个动态功能连接向量匹配对应的功能连接状态模板，确定用于反映各功能连接状态模板出现时序的时间序列组合；
17.评估模块，用于确定每个功能连接状态模板的连接强度等级，以及根据每个功能连接状态模板的连接强度等级和所述时间序列组合，确定用于表示患者脑电高度失律情况的评估结果。
18.第三方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行以下方法：
19.从待处理eeg信号中提取至少两个目标片段数据，所述目标片段数据包括癫痫样放电信号；
20.确定所述目标片段数据对应的动态功能连接矩阵，以及所述动态功能连接矩阵对应的动态功能连接向量；
21.对所有动态功能连接向量进行聚类分析以得到至少两个功能连接状态模板，通过为每个动态功能连接向量匹配对应的功能连接状态模板，确定用于反映各功能连接状态模板出现时序的时间序列组合；
22.确定每个功能连接状态模板的连接强度等级，以及根据每个功能连接状态模板的连接强度等级和所述时间序列组合，确定用于表示患者脑电高度失律情况的评估结果。
23.本发明实施例提供的脑电高度失律评估系统的技术方案，通过功能连接状态模板的连接强度等级反映相应目标片段数据中各导联eeg信号的同步程度，通过时间序列组合反映各功能连接状态模板的出现时序，由于功能连接状态模板的连接强度等级联合时间序列组合，可反映出任意时刻各导联eeg信号之间的同步程度，因此可根据功能连接状态模板的连接强度等级联合时间序列组合准确地确定出用于反映患者脑电高度失律的评估结果，无需依赖医生的临床经验，同时能为医生临床诊断提供有力的数据支持。
附图说明
24.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
25.图1是本发明实施例一提供的脑电高度失律评估系统的结构框图；
26.图2是本发明实施例一提供的脑电高度失律评估方法的流程图；
27.图3是本发明实施例一提供的原始eeg信号示意图；
rereference)、双极重参考(bipolar rereference)、拉普拉斯重参考(laplacian rereference)或全局重参考(common average rereference)等重参考方法。该实施例优选全局重参考，即将全脑所有数据的均值作为参考数据。
44.对于癫痫患者的eeg信号，部分时间段包含连续的癫痫样放电，部分时间段无癫痫样放电，且睡眠期癫痫样放电概率大于非睡眠期的癫痫样放电概率。因此在一个实施例中，提取患者eeg信号中处于睡眠期的时间片段以得到睡眠期eeg信号，以减小提取包含癫痫样放电信号的eeg信号的数据运算量。
45.在一个实施例中，从睡眠期eeg信号中剔除包含预设体动伪差的时间片段以更新睡眠期eeg信号，以进一步减小提取包含癫痫样放电信号的eeg信号的数据运算量，同时提高用于提取包含癫痫样放电信号的eeg信号的数据质量。该实施例不对预设体动伪差的幅度进行限定，实际使用时可根据具体情况灵活设置。
46.从更新后的睡眠期eeg信号中提取包含癫痫样放电的时间片段以得到待处理eeg信号。其中，该时间片段大于或等于预先设定的时间阈值，。
47.从待处理eeg信号中提取至少两个目标片段数据。具体地，利用滑动时间窗口方法将待处理eeg信号切分成一系列的目标片段(t0,t0…
t
l
)。其中，目标片段总数为(l+1)，时间窗长度的时间范围为0.5-10秒，滑动时间窗的步进长度的最小值为0.5s，最大值为t0。
48.s120、确定目标片段数据对应的动态功能连接矩阵，以及该动态功能连接矩阵对应的动态功能连接向量。
49.锁相值(phase locking value，简称plv)可以量化在特定频带和时间区域的两个eeg信号的同步程度。本实施例采用锁相值确定目标片段数据对应的动态功能连接矩阵。具体为：采用公式(1)对目标片段数据x(t)做希尔伯特变换：
[0050][0051]
其中，为x(t)的复数，为x(t)的虚部，为相位。
[0052]
采用公式(2)计算两导联的plv，并归一化，使得值介于0到1之间，以得到每个目标片段的动态功能连接矩阵，如图4所示。plv越接近1，说明两导联信号越接近同步。
[0053][0054]
其中，t为时间窗长度。
[0055]
从图4可以看出，对于每个患者的动态功能连接矩阵，其包括任一导联与其他导联的plv值，因此整个动态功能连接矩阵沿一对角线对称。换言之，对于任一动态功能连接矩阵来说，对称线(对角线)之上的上三角部分与对称线(对角线)之下的下三角部分均包含了用于表示全部导联之间的动态功能连接信息。因此本实施例提取每个动态功能连接矩阵的上三角部分或下三角部分，然后将该上三角部分或下三角部分拉成向量，以得到各个目标片段数据对应的动态功能连接向量(v0,v1…vl
)。
[0056]
由于在脑电信号的采集过程中，会受到周围噪声的干扰，因此在一个实施例中，在对目标片段数据做希尔伯特变换之前，采用带通滤波器对目标片段数据进行滤波，以更新目标片段数据，并对更新后的目标片段数据做希尔伯特变换。该实施例中，带通滤波器的滤波范围可选为4～40hz。
[0057]
s130、对所有动态功能连接向量进行聚类分析以得到至少两个功能连接状态模板，通过为每个动态功能连接向量匹配对应的功能连接状态模板，确定用于反映各功能连接状态模板出现时序的时间序列组合。
[0058]
采用预设聚类算法对所有动态功能连接向量进行聚类分析以得到k个功能连接状态模板。由于聚类分析可将动态功能连接向量按相似程度(距离远近)划分类别，使得同一类的动态功能连接向量之间的相似性比与其他类的动态功能连接向量之间的相似性强，因此不同功能连接状态模板对应不同的功能连接状态。
[0059]
可选地，根据轮廓系数(silhouette coefficient)确定k值，比如，将超过预设系数阈值的轮廓系数对应的值作为k值。预设聚类算法为现有聚类算法，比如k-means聚类、密度聚类以及谱聚类等。
[0060]
在一个实施例中，由于聚类分析后，每个类别对应一个功能连接状态模板，因此在确定了k个功能连接状态模板后，直接为每个动态功能连接向量匹配所在类别对应的功能连接状态模板，从而得到用于反映各功能连接状态模板沿脑电信号时间轴排列的时序图，即所有功能连接状态模板的时间序列组合。
[0061]
在一个实施例中，在确定了k个功能连接状态模板之后，确定每个动态功能连接向量与各功能连接状态模板之间的距离，并为每个动态功能连接向量匹配最小距离对应的功能连接状态模板，以得到所有功能连接状态模板的时间序列组合。根据最小距离为动态功能连接向量匹配功能连接状态模板可以提高功能连接状态模板匹配的准确性，以及避免聚类分析重复性较差的问题。
[0062]
图5为本发明实施例提供的一脑电高度失律患者的时间序列组合，该时间序列组合的横坐标为时间窗标识，纵坐标为功能连接状态模板的连接强度等级，线条的宽度表示相应功能连接状态模板的时间跨度。
[0063]
s140、确定每个功能连接状态模板的连接强度等级，以及根据每个功能连接状态模板的连接强度等级和时间序列组合，确定用于表示患者脑电高度失律情况的评估结果。
[0064]
在得到所有功能连接状态模板后，计算所有功能连接状态模板的均值，按照均值从小到大的顺序对所有功能连接状态模板进行排序，排序结果可表示为(state0,state1…
statek)。从功能连接状态模板state0到功能连接状态模板statek，其对应目标片段数据中各导联之间的eeg信号的同步性越来越高。
[0065]
在一个实施例中，根据时间序列组合确定每个功能连接状态模板的预设评价指标数据，根据每个功能连接状态模板的连接强度等级和预设评价指标数据，确定用于表示患者脑电高度失律情况的评估结果，具体地，根据目标功能连接状态模板的预设评价指标数据，确定用于表示患者脑电高度失律情况的评估结果。
[0066]
其中，预设评价指标包括发生次数、覆盖率和平均持续时间中的一个或多个。发生次数是指每个功能连接状态模板在时间序列组合中的出现次数；覆盖率是指每个功能连接状态模板在时间序列组合中的出现次数占所有功能连接状态模板在时间序列组合中的总出现次数的比值；平均持续时间是指每个功能连接状态模板连续出现时间。
[0067]
其中，目标功能连接状态模板为连接强度等级超过预设等级阈值的功能连接状态模板。示例性的，功能连接状态模板一共有5个，根据连接强度等级最高的两个功能连接状态模板的预设评价指标数据确定用于表示患者脑电高度失律情况的评估结果。
[0068]
以预设评价指标是覆盖率为例。在一个实施例中，当连接强度等级最高的两个功能连接状态模板中的至少一个的覆盖率大于10％，则输出用于表示脑电高度失律的评估结果；反之，当连接强度等级最高的两个功能连接状态模板的覆盖率均小于10％，则输出用于表示无脑电高度失律的评估结果。示例性的，图6为本发明实施例提供的一未复发患者的时间序列组合。从该附图可以看出，连接强度等级为4的功能连接状态模板的覆盖率小于10％，同时连接强度等级为3的功能连接状态模板的覆盖率也小于10％，因此图6对应的评估结果为无脑电高度失律。该无脑电高度失律评估结果正是未复发患者应有的临床评估结果。从图6可明显看出连接强度等级为4的功能连接状态模板的覆盖率小于10％，连接强度等级为3的功能连接状态模板的覆盖率大于10％，因此图6对应的评估结果为脑电高度失律。脑电高度失律正是复发患者应有的临床评估结果。
[0069]
本发明实施例提供的脑电高度失律评估系统的技术方案，通过功能连接状态模板的连接强度等级反映相应目标片段数据中各导联eeg信号的同步程度，通过时间序列组合反映各功能连接状态模板的出现时序，由于功能连接状态模板的连接强度等级联合时间序列组合，可反映出任一时刻各导联eeg信号之间的同步程度，因此可根据功能连接状态模板的连接强度等级联合时间序列组合准确地确定出用于反映患者脑电高度失律的评估结果，无需依赖医生的临床经验，同时能为医生临床诊断提供有力的数据支持。
[0070]
实施例二
[0071]
图7是本发明实施例二提供的脑电高度失律评估方法的流程图。本发明实施例在上述实施例的基础上，增加了结合bsaed评分确定用于表示患者脑电高度失律情况的评估结果的步骤。
[0072]
相应地，本实施例的方法包括：
[0073]
s210、从待处理eeg信号中提取至少两个目标片段数据，目标片段数据包括癫痫样放电信号。
[0074]
s220、确定目标片段数据对应的动态功能连接矩阵，以及动态功能连接矩阵对应的动态功能连接向量。
[0075]
s230、对所有动态功能连接向量进行聚类分析以得到至少两个功能连接状态模板，通过为每个动态功能连接向量匹配对应的功能连接状态模板，确定用于反映各功能连接状态模板出现时序的时间序列组合。
[0076]
s240、根据based评分以及每个功能连接状态模板的连接强度等级和预设评价指标数据，确定用于表示患者脑电高度失律情况的评估结果。
[0077]
其中，based评分是临床评价脑电高度失律的一种指标。通常将大于或等于4分定义为脑电高度失律，将小于或等于3分定义为无脑电高度失律。
[0078]
根据患者的每个功能连接状态模板的连接强度等级和预设评价指标数据确定其初步评估结果。具体地，根据目标功能连接状态模板的预设评价指标数据确定患者的初步评估结果。其中，该目标功能连接状态模板为连接强度等级超过预设等级阈值的功能连接状态模板，比如连接强度等级最高的两个功能连接状态模板。
[0079]
如果based评分对应的评估结果与该初步评估结果一致，则将该初步评估结果作为患者的评估结果；如果based评分对应的评估结果与该初步评估结果不一致，则输出提示信息，以提醒用户重新评定该患者的脑电高度失律情况。
[0080]
具体地，如果based评分结果大于或等于4分，同时初步评估结果为脑电高度失律，则该患者的评估结果为脑电高度失律；如果based评分结果小于或等于3分，同时初步评估结果为无脑电高度失律，则该患者的评估结果为无高度失律；如果based评分结果大于或等于4分，同时初步评估结果为无高度失律，则输出重评估提醒。
[0081]
示例性的，预设评价指标为覆盖率。图5中连接强度等级为3的功能连接状态模板的覆盖率大于10％，因此其初步评估结果为脑电高度失律。医生给出的based评分为4分。由于初步评估结果与based评分对应的评估结果一致，因此将该初步评估结果，即脑电高度失律作为患者的最终评估结果。
[0082]
示例性的，预设评价指标为覆盖率。图8中连接强度等级为3的功能连接状态模板以及连接强度等级为4的功能连接状态模板的覆盖率均大于10％，因此该患者的初步评估结果为脑电高度失律。医生给出的based评分为2分，该评分对应无脑电高度失律。由于初步评估结果与based评分对应的评估结果不一致，因此输出重新评估提示，以提醒医生重新评估该患者是否存在脑电高度失律。
[0083]
本发明实施例提供的技术方案，根据based评分对应的评估结果和初步评估结果确定患者的最终评估结果，一方面可以保证评估结果的准确性，另一方面，也可以通过初步评估结果验证based评分对应的评估结果的准确性。
[0084]
实施例三
[0085]
图9是本发明实施例提供的脑电高度失律评估方法的验证流程图。本发明实施例用于为前述实施例提供实验数据支持。本实施例的样本总数为20例，包括8例复发样本和12例未复发样本。
[0086]
相应地，本实施例的方法包括：
[0087]
s310、针对每个患者，从待处理eeg信号中提取至少两个目标片段数据，目标片段数据包括癫痫样放电信号。
[0088]
s320、确定目标片段数据对应的动态功能连接矩阵，以及动态功能连接矩阵对应的动态功能连接向量。
[0089]
s330、对所有动态功能连接向量进行聚类分析以得到至少两个功能连接状态模板，通过为每个动态功能连接向量匹配对应的功能连接状态模板，确定用于反映各功能连接状态模板出现时序的时间序列组合。
[0090]
s340、从该时间序列组合中提取每个功能连接状态模板的坐标信息，并根据每个功能连接状态模板的坐标信息确定每个功能连接状态模板的时间序列。
[0091]
可以理解的是，每个功能连接状态模板的时间序列用于反映相应功能连接状态模板的出现时机和出现频率。
[0092]
s350、在检测到所有样本的所有功能连接状态模板的时间序列均生成时，确定复发组中每个功能连接状态模板在每个时刻的发生率，以得到复发组中的每个功能连接状态模板的统计时间序列；以及确定未复发组中每个功能连接状态模板在每个时刻的发生率，以得到复发组中的每个功能连接状态模板的统计时间序列。
[0093]
针对每个时刻，确定复发组中每个功能连接状态模板出现的总次数，将该总次数与复发组总样本数的比值作为相应功能连接状态模板的发生率，从而得到复发组中每个功能连接状态模板的统计时间序列；以及确定未复发组中每个功能连接状态模板出现的总次
数，并将该总次数与未复发组总样本数的比值作为相应功能连接状态模板的发生率，从而得到未复发组中每个功能连接状态模板的统计时间序列。
[0094]
可以理解的是，该统计时间序列的横坐标为时间窗，纵坐标为发生率，参见图10。图10中的state0、state1、state2、state3和state4为功能连接状态模板的标识，且标识中的数字表示功能连接强度等级。
[0095]
s360、根据复发组中的每个功能连接状态模板的统计时间序列和未复发组中的每个功能连接状态模板的统计时间序列对评估结果进行验证。
[0096]
图10中的第一列示出了未复发组中各功能连接状态模板的统计时间序列，图10中的第二列示出了复发组中各个功能连接状态模板统计时间序列。从该图可以看出，复发组中的第三功能连接状态模板与第四功能连接状态模板在整个时间轴上的发生率，分别显著高于未复发组中第三功能连接状态模板与第四功能连接状态模板在整个时间轴上的发生率。具体地，复发组中第三功能连接状态模板与第四功能连接状态模板在整个时间轴上的平均发生率均大于10％。
[0097]
综上，本实施例验证了根据每个功能连接状态模板的连接强度等级和时间序列组合，可确定用于表示患者脑电高度失律情况的评估结果。具体地，根据目标功能连接状态模板的预设评价指标数据确定用于表示患者脑电高度失律情况的评估结果。其中，预设评价指标可以是发生率、覆盖率和平均持续时间中的一个或多个。
[0098]
实施例四
[0099]
图11是本发明实施例提供的脑电高度失律评估装置的结构框图。该装置用于执行上述任意实施例所提供的脑电高度失律评估方法，该装置可选为软件或硬件实现。该装置包括：
[0100]
数据确定模块41，用于从待处理eeg信号中提取至少两个目标片段数据，所述目标片段数据包括癫痫样放电信号；
[0101]
向量确定模块42，用于确定所述目标片段数据对应的动态功能连接矩阵，以及所述动态功能连接矩阵对应的动态功能连接向量；
[0102]
时间序列确定模块43，用于对所有动态功能连接向量进行聚类分析以得到至少两个功能连接状态模板，通过为每个动态功能连接向量匹配对应的功能连接状态模板，确定用于反映各功能连接状态模板出现时序的时间序列组合；
[0103]
评估模块44，用于确定每个功能连接状态模板的连接强度等级，以及根据每个功能连接状态模板的连接强度等级和所述时间序列组合，确定用于表示患者脑电高度失律情况的评估结果。
[0104]
可选地，数据确定模块41还用于提取患者eeg信号中处于睡眠期的时间片段以得到睡眠期eeg信号；从所述睡眠期eeg信号中剔除包含预设体动伪差的时间片段以更新睡眠期eeg信号；从更新后的睡眠期eeg信号中提取包含癫痫样放电的预设连续时间阈值的时间片段以得到待处理eeg信号。
[0105]
可选地，向量确定模块42用于基于锁相值确定所述目标片段数据对应的动态功能连接矩阵。
[0106]
可选地，时间序列确定模块43计算每个动态功能连接向量与每个功能连接状态模板之间的距离；将每个动态功能连接向量匹配至最小距离对应的功能连接状态模板，以得
到用于反映各功能连接状态模板出现时序的时间序列组合。
[0107]
可选地，评估模块44用于确定每个功能连接状态模板的锁相值的均值；对所有均值进行排序，并根据排序结果确定每个功能连接状态的连接强度等级。
[0108]
可选地，评估模块44用于根据所述时间序列确定每个功能连接状态模板的预设评价指标数据，所述预设评价指标包括出现次数、覆盖率和平均持续时间中的一个或多个；根据每个功能连接状态模板的连接强度等级和预设评价指标数据确定用于表示患者脑电高度失律情况的评估结果。
[0109]
可选地，评估模块44用于根据目标功能连接状态模板的预设评价指标数据确定用于表示患者脑电高度失律情况的评估结果，其中，所述目标功能连接状态模板为连接强度等级超过预设等级阈值的功能连接状态模板。
[0110]
可选地，评估模块44还用于获取患者的based评分；以及根据每个功能连接状态模板的连接强度等级和预设评价指标数据，确定患者的初步评估结果；根据所述based评分对应的评估结果和所述初步评估结果确定用于表示患者脑电高度失律情况的评估结果。
[0111]
本发明实施例提供的脑电高度失律评估装置，通过功能连接状态模板的连接强度等级反映相应目标片段数据中各导联eeg信号的同步程度，通过时间序列组合反映各功能连接状态模板的出现时序，根据功能连接状态模板的连接强度等级和时间序列组合，可确定出任一时刻各导联eeg信号的同步程度，从而准确地确定出用于反映患者脑电高度失律的评估结果，无需依赖医生的临床经验，同时能为医生临床诊断提供有力的数据支持。
[0112]
本发明实施例所提供的脑电高度失律评估装置可执行本发明任意实施例所提供的脑电高度失律评估方法，具备执行方法相应的功能模块和有益效果。
[0113]
实施例五
[0114]
本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种包含计算机可执行指令的存储介质，该方法包括：
[0115]
从待处理eeg信号中提取至少两个目标片段数据，所述目标片段数据包括癫痫样放电信号；
[0116]
确定所述目标片段数据对应的动态功能连接矩阵，以及所述动态功能连接矩阵对应的动态功能连接向量；
[0117]
对所有动态功能连接向量进行聚类分析以得到至少两个功能连接状态模板，通过为每个动态功能连接向量匹配对应的功能连接状态模板，确定用于反映各功能连接状态模板出现时序的时间序列组合；
[0118]
确定每个功能连接状态模板的连接强度等级，以及根据每个功能连接状态模板的连接强度等级和所述时间序列组合，确定用于表示患者脑电高度失律情况的评估结果。
[0119]
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的脑电高度失律评估方法中的相关操作。
[0120]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的
部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的脑电高度失律评估方法。
[0121]
值得注意的是，上述脑电高度失律评估装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0122]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。