本发明涉及信号重建领域。
背景技术:
1、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。目前对于癫痫的学术研究尚有许多需要解决的不明问题,其中一个重要的阻碍就来自于准确定位癫痫致痫区的技术难度。
2、癫痫患者大脑的异常高频振荡(hfo)活动可以作为癫痫致痫区定位的一个可靠生物标记物。使用脑磁图(meg)可以无创地记录到癫痫患者大脑的hfo,并且对伴随癫痫发作间期产生痫样异常放电(ied)的hfo进行溯源定位,通过颅外记录的信号推导计算出颅内的放电位置,得到的源空间位置与癫痫致痫区具有很好的一致性,且优于常用的ied。通过上述检测和重建,可以为后续医学研究,提供数据支持。但相关技术中,对ied的检测技术以及ied源空间信号重建使用的技术如合成孔径磁场测定技术(sam)等,仍然存在一定误差,无法给后续研究提供准确的数据。
3、专利文献cn102429657a公开了一种癫痫脑电信号分类检测装置及方法,包括对正常脑电信号和癫痫脑电信号进行小波分析的模块、对从所述进行小波分析的装置作小波分解后得到的每一层细节信号进行近似熵计算的模块、以及进一步利用neyman-pearson准则进行分类检测的模块。在上述技术中,仍然存在上述问题。
技术实现思路
1、本发明要解决相关技术中不能准确地检测ied事件、信号重建不能准确的确定源空间放电方向的问题。
2、针对上述存在的局限性,本发明提出了一种ied事件检测方法,包括:
3、s101:获取峰值点:获取meg数据中的波峰点和波谷点,将波峰点和波谷点按照时间顺序组合成峰值点;
4、s102:获取ied候选峰值点:计算所述峰值点的特征值;将所述特征值大于预设阈值的峰值点,作为ied候选峰值点;
5、s103:获取ied模板:以所述ied候选峰值点为中心,截取预设长度的信号片段,使用层次聚类方法将所有的所述信号片段聚类为ied模板;
6、s104:获取ied峰值点:对每一个ied候选峰值点,计算所述ied候选峰值点的相似度特征psim,将psim大于预设阈值的ied候选峰值点作为ied峰值点;
7、s105:获取ied事件:根据所述ied峰值点获取ied采样点,根据所述ied采样点获取所述ied事件和所述ied事件对应的ied主峰。
8、进一步地:获取信号中的波峰点和波谷点的方式包括:
9、s201:使用3hz到80hz的带通滤波器和50hz陷波器对数据进行滤波;使用20ms的平滑核对数据进行平滑;
10、s202:将信号幅度大于两侧相邻信号幅度的采样点作为候选波峰点;将信号幅度小于两侧相邻信号幅度的采样点标记为候选波谷点;
11、s203:将两个相邻的候选波峰点之间,未平滑的信号幅度最小值所对应的采样点作为波谷点;将两个相邻的候选波谷点之间,未平滑的信号幅度最大值所对应的采样点作为波峰点。
12、进一步地:所述获取ied候选峰值点的方式包括:
13、s301:计算持续时间pdur、幅度pamp和斜率pslope,计算公式如下:
14、pdur=tn+1-tn-1
15、
16、
17、式中,δvn等于vn-vn-1;δtn等于tn-tn-1;tn为所述峰值点的时间,vn为所述峰值点信号幅度;n为峰值点序号;
18、s302:将每个峰值点的幅度pamp和斜率pslope在通道维度进行z值化;
19、s303:将幅度pamp大于0.8倍幅度最大值和斜率pslope大于0.6倍斜率最大值的峰值点作为ied候选峰值点,
20、所述幅度最大值为所有峰值点的幅度pamp的最大值;所述斜率最大值为所有峰值点的斜率pslope的最大值。
21、进一步地:所述步骤s103中,所述预设长度为±50ms;所述层次聚类的方式包括:
22、s401:预处理:将所述信号片段归一化到0到1之间,获得归一化的信号片段;
23、s402:计算相关系数:对归一化的信号片段si和sj,计算皮尔森相关系数corr(si,sj),如果corr(si,sj)的结果小于o,则令sj=1-sj,并重新计算皮尔森相关系数corr(si,sj);
24、s403计算相似度:
25、对于归一化的信号片段si和sj,相似度计算公式如下:
26、
27、
28、式中,n是信号采样点个数;
29、s404:选取与所有归一化的信号片段相似度最高的归一化的信号片段作为当前类别的聚类中心进行聚类,将与聚类中心相似度大于0.85的归一化的信号片段归入当前类别中,并将归入当前类别的归一化的信号片段从待聚类的归一化的信号片段中移除;
30、s405:重复上述步骤,直至所有归一化的信号片段被分配到不同的类别中;
31、s406:将所有类别内的归一化的信号片段进行平均,得到ied模板。
32、进一步地:所述相似度特征psim的获取方式为:
33、对每个ied候选峰值点,截取所述ied候选峰值点±50ms的信号片段,计算所述信号片段与每个ied模板之间的相似度,将所述信号片段和所有的ied模板之间的相似度最大值,作为所述ied候选峰值点的相似度特征psim;
34、所述获取ied采样点的方式为:
35、对每个ied峰值点,截取所述ied峰值点两侧-50ms到50ms的信号片段,将所述信号片段中所有meg信号定义为ied采样点;
36、所述获取所述ied事件的方式为:
37、对于某一个时间点,若同时在至少5个meg传感器中检测到了ied采样点,则将其定义为ied事件;
38、将时间间隔小于10ms的ied事件合并成一个ied事件;
39、对于每个ied事件,使用最大全局场能量对应的时间点作为ied主峰,其中全局场能量为每个时间点,所有meg传感器记录信号的平方和。
40、一种信号重建的方法,基于所述的ied事件检测方法,包括:
41、s501:信号分割:对于每一个ied事件,根据所述ied主峰获取感兴趣片段和对应的基线信号;
42、s502:粗糙搜索:所述粗糙搜索组件,将球坐标系划分为多个粗糙搜索方向,对于每个粗糙搜索方向,获取粗糙搜索的最优方向θ;
43、s503:精细搜索:所述精细搜索组件,根据粗糙搜索的最优方向θ,划分多个精细搜索方向;对于每个精细搜索方向,获取源空间放电方向θ’,并计算对应的源空间信号。
44、进一步地:所述信号重建为hfo信号重建;
45、所述信号分割中,
46、对于每一个ied事件,获取所述ied主峰±150ms的信号片段,并进行80hz到200hz的带通滤波;
47、使用长度为100ms、重合度为50%的滑动时间窗对所述信号片段进行切割,得到感兴趣信号片段;
48、对于每个感兴趣信号片段,截取所述感兴趣信号片段±1000ms的信号片段作为所述感兴趣片段的基线信号;
49、所述粗糙搜索中,
50、在球坐标系下,将极角和方位角分别从0°到180°,以10°为步长进行采样,得到324个单位方向;
51、对于每一个方向,将传导矩阵投影到该方向,获取所述感兴趣片段的源空间信号以及所述基线信号的源空间信号,源空间信号使用下式计算,其中为传导矩阵,为meg传感器信号的协方差矩阵,[·]-1为矩阵的逆运算,[·]t为矩阵的转置,
52、
53、使用希尔伯特变换计算所述感兴趣片段的源空间信号包络以及所述基线信号的源空间信号包络,
54、并使用所述基线信号的源空间信号包络的方差和均值,对所述感兴趣片段的源空间信号包络进行z值化;
55、将z值化后的所述感兴趣片段的源空间信号包络的均值,作为hfo信号幅度的目标函数,将使得目标函数最大的方向作为粗糙搜索的最优方向θ;
56、所述精细搜索中,
57、对于粗糙搜索的最优方向θ,在θ对应的极角和方位角周围-5°到5°的区间内,以1°为步长进行采样,得到121个单位方向;
58、对于每一个方向,将传导矩阵投影到该方向,获取所述感兴趣片段的源空间信号以及所述基线信号的源空间信号;
59、使用希尔伯特变换计算所述感兴趣片段的源空间信号包络以及所述基线信号的源空间信号包络,
60、并使用所述基线信号的源空间信号包络的方差和均值,对所述感兴趣片段的源空间信号包络进行z值化;
61、将z值化后的所述感兴趣片段的源空间信号包络的均值,作为hfo信号幅度的目标函数,将使得目标函数最大的方向作为源空间放电方向θ’,并根据公式1.1计算对应的源空间信号。
62、进一步地:所述信号重建为ied信号重建;
63、所述信号分割中,
64、对于每一个ied事件,获取所述ied主峰±100ms的信号片段作为感兴趣信号片段,并进行3hz到80hz的带通滤波与50hz的陷波;
65、对于每个感兴趣信号片段,截取所述感兴趣信号片段±1000ms的信号片段作为所述感兴趣信号片段的基线信号;
66、所述粗糙搜索中,
67、在球坐标系下,将极角和方位角分别从0°到180°,以10°为步长进行采样,得到324个单位方向;
68、对于每一个方向,将传导矩阵投影到该方向,获取所述感兴趣片段的源空间信号以及所述基线信号的源空间信号;
69、使用希尔伯特变换计算所述感兴趣片段的源空间信号包络以及所述基线信号的源空间信号包络,
70、并使用所述基线信号的源空间信号包络的方差和均值,对所述感兴趣片段的源空间信号包络进行z值化;
71、将z值化后的所述感兴趣片段的源空间信号包络的峰峰值,作为ied信号幅度的目标函数,将使得目标函数最大的方向作为粗糙搜索的最优方向θ;
72、所述精细搜索中,
73、对于粗糙搜索的最优方向θ,在θ对应的极角和方位角周围-5°到5°的区间内,以1°为步长进行采样,得到121个单位方向;
74、对于每一个方向,将传导矩阵投影到该方向,获取所述感兴趣片段的源空间信号以及所述基线信号的源空间信号;
75、使用希尔伯特变换计算所述感兴趣片段的源空间信号包络以及所述基线信号的源空间信号包络,
76、并使用所述基线信号的源空间信号包络的方差和均值,对所述感兴趣片段的源空间信号包络进行z值化;
77、将z值化后的所述感兴趣片段的源空间信号包络的峰峰值,作为ied信号幅度的目标函数,将使得目标函数最大的方向作为源空间放电方向θ’,并计算对应的源空间信号。
78、一种1ed事件检测装置,使用如上述所述的方法,所述装置包括:
79、峰值点获取模块:获取信号中的波峰点和波谷点,将波峰点和波谷点按照时间顺序组合成峰值点;
80、特征值计算模块:计算所述峰值点的特征值;将所述特征值大于预设阈值的峰值点,作为1ed候选峰值点;
81、层次聚类模块:以所述1ed候选峰值点为中心,截取预设长度的信号片段,使用层次聚类方法将所有的所述信号片段聚类为ied模板;
82、ied峰值点获取模块:对每一个ied候选峰值点,截取预设长度的信号片段,获取所述ied候选峰值点的相似度特征psim,将psim大于预设阈值的ied候选峰值点作为ied峰值点;
83、ied事件获取模块:根据所述ied峰值点获取ied采样点,根据所述ied采样点获取所述ied事件和所述ied事件对应的ied主峰。
84、一种信号重建系统,使用如上述所述的方法,所述系统包括:
85、ied事件检测装置:所述装置为上述所述的装置;
86、信号分割组件:对于每一个1ed事件,根据所述ied主峰获取感兴趣片段和对应的基线信号;
87、粗糙搜索组件:所述粗糙搜索组件,将球坐标系划分为多个粗糙搜索方向,对于每个粗糙搜索方向,获取粗糙搜索的最优方向θ;
88、精细搜索组件:所述精细搜索组件,根据粗糙搜索的最优方向θ,划分多个精细搜索方向;对于每个精细搜索方向,获取源空间放电方向θ’,并计算对应的源空间信号。
89、与相关技术相对比,本发明具有以下优点:
90、本发明一个发明点的ied事件检测方法,通过合理选择候选ied峰值点,使用层次聚类的方法获取ied模板,从而获取ied事件,可以更准确的探测到ied事件。
91、本发明一个发明点的ied事件检测装置,也具有上述ied事件检测方法的优点。
92、本发明一个发明点的信号重建的方法,基于上述ied事件检测方法,使用信号分割、粗糙搜索、精细搜索的方式,能够准确估计源空间放电方向,同时以粗糙搜索结合精细搜索的方式,可以提高效率。
93、本发明一个发明点的信号重建系统,也具有上述的信号重建方法的优点。