致痫灶定位方法、装置、电子设备及计算机可读存储介质

所属的技术人员能够理解，本技术的各个方面可以实现为系统、方法或程序产品。因此，本技术的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。下面参照图9来描述根据本发明的这种实施例的电子设备900。图9显示的电子设备900仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930、显示单元940。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执行，使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)921和/或高速缓存存储单元922，还可以进一步包括只读存储单元(rom)923。存储单元920还可以包括具有一组(至少一个)程序模块925的程序/使用工具924，这样的程序模块925包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包含网络环境的现实。总线930可以包括数据总线、地址总线和控制总线。电子设备900也可以与一个或多个外部设备970(例如键盘、指向设备、蓝牙设备等)通信，这种通信可以通过输入/输出(i/o)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器960通过总线930与电子设备900的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备900使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。虽然已经参考若干具体实施方式描述了本技术的精神和原理，但是应该理解，本技术并不限于所发明的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本技术旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

背景技术：

1、本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

2、目前，癫痫是神经系统常见疾病。通过外科手术可以终止或改善药物难治性癫痫。然而，有效的外科手术依赖于精准的致痫灶定位。头部核磁等影像是目前临床上用于协助定位致痫灶的手段，但是，这种定位方式依赖于有经验的专科医生、神经外科医生、影像科医生的多科协助，导致其定位结果存在不一致性，造成致痫灶定位的准确度下降。

3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、基于上述问题，发明人进行了相应的思考，做出了有针对性的改进，提供了致痫灶定位方法、致痫灶定位装置、电子设备以及计算机可读存储介质，可以将颅内脑电特征数据以及监测视频输入至训练好的目标致痫灶定位模型中，以通过目标致痫灶定位模型定位出受测对象的目标致痫灶，提高了定位出的目标致痫灶的准确率。

2、根据本技术实施例的第一方面，公开了一种致痫灶定位方法，包括：

3、获取受测对象的颅内脑电特征数据；

4、获取所述受测对象的监测视频；

5、将所述颅内脑电特征数据以及所述监测视频输入至训练好的目标致痫灶定位模型中，以通过所述目标致痫灶定位模型定位出所述受测对象对应的目标致痫灶。

6、在一个实施例中，基于前述方案，所述获取受测对象的颅内脑电特征数据，包括：

7、获取由生物医学监测设备采集的所述受测对象的原始颅内脑电监测数据；

8、对所述原始颅内脑电监测数据进行预处理；

9、根据预处理后的原始颅内脑电监测数据得到颅内脑电特征数据。

10、在一个实施例中，基于前述方案，所述原始颅内脑电监测数据包括：从所述受测对象的颅内的多个部位处采集的多通道脑电监测数据；

11、所述根据预处理后的原始颅内脑电监测数据得到颅内脑电特征数据，包括：

12、根据预处理后的多通道脑电监测数据计算每个通道与参考电极的电位差，得到脑电信号初始特征数据；

13、根据所述脑电信号初始特征数据提取颅内脑电特征数据。

14、在一个实施例中，基于前述方案，所述颅内脑电特征数据包括脑电信号波形特征；所述根据所述脑电信号初始特征数据提取颅内脑电特征数据，包括：

15、根据所述脑电信号初始特征数据生成对应的脑电信号波形图；

16、根据所述脑电信号波形图提取脑电信号波形特征。

17、在一个实施例中，基于前述方案，所述颅内脑电特征数据包括脑电信号时频特征；所述根据所述脑电信号初始特征数据提取颅内脑电特征数据，包括：

18、对所述脑电信号初始特征数据进行傅里叶变换，得到所述脑电信号特征数据对应的脑电信号时频数据；

19、根据所述脑电信号时频数据提取所述脑电信号时频特征。

20、在一个实施例中，基于前述方案，所述对所述原始颅内脑电监测数据进行预处理，包括以下至少一种处理：重采样，滤波，剔除噪声数据，数值标准化处理。

21、在一个实施例中，基于前述方案，所述获取所述受测对象的监测视频之后，所述方法还包括：

22、从所述监测视频中得到所述受测对象的人体特征信息以及动作特征信息；

23、将电位差、脑电信号时频特征、所述人体特征信息以及所述动作特征信息输入至训练好的所述目标致痫灶定位模型中，以通过所述目标致痫灶定位模型定位出所述受测对象对应的目标致痫灶。

24、在一个实施例中，基于前述方案，所述从所述监测视频中得到所述受测对象的人体特征信息以及动作特征信息，包括：

25、分别提取出所述监测视频对应的多个帧图像；

26、从所述多个帧图像中分别检测出所述受测对象对应的对象关键点以及所述对象关键点对应的关键点空间坐标；所述对象关键点包括对象面部关键点以及躯体关键点；

27、根据所述受测对象针对于目标对象关键点的所有关键点空间坐标构建出人体特征信息；

28、对所述人体特征信息进行人体动作分析得到所述受测对象的动作特征信息。

29、在一个实施例中，基于前述方案，所述将电位差、脑电信号时频特征、所述人体特征信息以及所述动作特征信息输入至训练好的所述目标致痫灶定位模型中，包括：

30、以预设时间点作为起始时间，基于预设时间间隔，对所述电位差、脑电信号时频特征、所述人体特征信息以及所述动作特征信息分别进行划分，得到多个划分片段；

31、将所述多个划分片段输入至训练好的所述目标致痫灶定位模型中。

32、在一个实施例中，基于前述方案，所述目标致痫灶定位模型包括特征处理层，注意力层，输出层；

33、所述将所述颅内脑电特征数据以及所述监测视频输入至训练好的目标致痫灶定位模型中，以通过所述目标致痫灶定位模型定位出所述受测对象对应的目标致痫灶，包括：

34、利用所述特征处理层从所述监测视频中提取视频特征数据，并融合所述颅内脑电特征数据和所述视频特征数据，得到融合特征；

35、利用所述注意力层对所述融合特征进行表征，得到嵌入特征；

36、利用所述输出层将所述嵌入特征映射至输出空间，得到所述受测对象对应的目标致痫灶的定位结果。

37、在一个实施例中，基于前述方案，所述方法还包括：

38、获取训练样本，所述训练样本包括多个癫痫患者分别对应的多个患者数据；所述多个患者数据中分别包括颅内脑电特征数据、患者监测视频以及癫痫发作标签；所述癫痫发作标签用于表征所述癫痫患者的癫痫发作状态以及致痫灶；

39、将所述训练样本输入至待训练的初始致痫灶定位型中，得到模型输出结果；所述模型输出结果包括癫痫发作状态输出结果以及致痫灶输出结果；

40、根据所述模型输出结果和所述癫痫发作标签，确定所述待训练的所述初始致痫灶定位模型的损失值；

41、根据所述损失值，对所述待训练的所述初始致痫灶定位型进行迭代训练，直至得到训练好的目标致痫灶定位模型。

42、在一个实施例中，基于前述方案，所述训练样本中包括正样本以及负样本，所述正样本包括存在异常放电的多个癫痫患者对应的多个患者数据，所述负样本包括无异常放电的多个癫痫患者对应的多个患者数据。

43、在一个实施例中，基于前述方案，所述将所述训练样本输入至待训练的初始致痫灶定位型中，得到模型输出结果，包括：

44、将所述训练样本输入至待训练的初始致痫灶定位型中，得到预测概率；所述预测概率包括癫痫发作预测概率以及致痫灶预测概率；

45、根据所述预测概率确定所述训练样本对应的模型输出结果。

46、在一个实施例中，基于前述方案，所述根据所述损失值，对所述待训练的所述初始致痫灶定位模型进行迭代训练，直至得到训练好的目标致痫灶定位型，包括：

47、根据所述损失值，更新所述待训练的所述初始致痫灶定位模型的模型参数；

48、直至所述损失值满足预设的收敛条件时，得到训练好的目标致痫灶定位型。

49、根据本技术实施例的第二方面，公开了一种致痫灶定位装置，所述装置包括：

50、获取颅内特征数据模块，用于获取受测对象的颅内脑电特征数据；

51、获取监测视频模块，用于获取所述受测对象的监测视频；

52、定位目标致痫灶模块，用于将所述颅内脑电特征数据以及所述监测视频输入至训练好的目标致痫灶定位模型中，以通过所述目标致痫灶定位模型定位出所述受测对象对应的目标致痫灶。

53、根据本技术实施例的第三方面，公开了一种电子设备，包括：处理器；以及存储器，存储器上存储有计算机可读指令，计算机可读指令被处理器执行时实现如第一方面公开的致痫灶定位方法。

54、根据本技术实施例的第四方面，公开了一种计算机程序介质，其上存储有计算机可读指令，当计算机可读指令被计算机的处理器执行时，使计算机执行根据本技术第一方面公开的致痫灶定位方法。

55、本技术实施例能够将颅内脑电特征数据以及监测视频输入至训练好的目标致痫灶定位模型中，以通过目标致痫灶定位模型定位出受测对象的目标致痫灶。相较于现有技术，实施本技术的实施例，一方面，避免通过多科医生会诊的形式确定致痫灶，结合颅内脑电特征数据以及监测视频，提升了定位致痫灶的准确率以及效率；另一方面，该定位致痫灶的方式不仅可以应用在患者发病期间，还可以应用在手术之前，提高了术前定位的准确率，增加了手术成功的几率。

56、本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。

57、应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本技术。