一种脑电异常波形查找方法与流程

本发明涉及脑电异常波形的查找，具体涉及一种脑电异常波形查找方法。

背景技术：

1、在做临床脑部疾病诊断的时候，主要是通过脑电图机，采集病患相应的脑电数据，并能过专业的脑电展示软件，通过人工判断是否有异常波形。

2、异常波形，主要是一些脑部疾病导致的异常放电。异常波形，主要是体现在波幅与频率上，如棘波可以被描述为幅值为70-200微伏，频率为7-14赫兹。但是在实际临床诊断中，光满足频率与幅值，不一定是异常波。在脑电图检查过程中，因为被检测人员的一些身体动作，干扰到脑电采集，也会有产生一些棘波。另外，因为不同的年龄段，对异常波形的判断也不一样，如新生儿幅值有些可以达到300微伏。

3、目前，判断异常波形方法主要包括：(1)基于频率与幅值阀值的判断方法。主要是通过波形的频率与幅值，判断是否为异常波形。如设置一个频率与幅值的上下边界阈值，当在波形的频率与幅值在下下边界内，就认为是异常。(2)个人经验判断方法。在脑电图技师阅图时，通过个人经验，根据频率与幅值，再结合年龄、个人状态，以及技师临床病例水平，判断是有异常波形。

4、现在大部份的脑电图机，异常波形判断方法，主要由两种：(1)采用特征阀值。像传统的脑电图机，大多采用特征阀值(基于频率与幅值阀值的判断方)进行异常波形的检索。(2)基于神经网络机器学习模型下的异常波检索。基于神经网络模型，通过采集大量人工标记的异常波形数据，然后训练ai应用模型。

5、目前，现有异常波形检索，主要的缺点包括：

6、(1)基于频率与幅值阀值的判断方法。存在的缺点主要包括：

7、(1-1)在有伪痕干扰下，能检索出大量的异常波形。需脑电阅图医生人工的排除大量的伪痕下的异常波形，导致医生对检索结果接受度很低。(1-2)仅有频率与幅值二项阀值，其组合条件太少，适应面太窄。面对不同类型病患者，其检索结果可能都不正确。

8、(2)基于神经网络机器学习模型下的异常波检索。主要缺点包括：

9、(2-1)在训练模型时，需要大量样本数据，才能让ai模型识别速度，精度提高。(2-2)识别速度上面，神经网络模型的识别性能相对来说比较慢，同时需要使用大量的gpu资源。(2-3)神经网络模型，在识别数据上，具有白盒子处理模式。没办法总结特征值的阀值，不方便阅图医生总结经验。

技术实现思路

1、本发明的目的在于针对现有技术的缺陷和不足，提供一种脑电异常波形查找方法。

2、本发明所述的一种脑电异常波形查找方法，采用如下步骤：

3、s10：脑电波形特征值提取阶段；

4、s20：建立检索模板库阶段；

5、s30：特征值比较阶段；

6、s40：分类模型筛查阶段；

7、s50：调整检索结果阶段；

8、s60：根据最终检索结果，不断的进行分类模型训练，形成最终的检索方案，达到智能判断的目标。

9、进一步地，步骤s10，脑电波形特征值提取阶段，采用如下步骤：

10、s1010：带通滤波处理；通过带滤波的方式，把高频与低频的数据进行过滤掉；

11、s1020：对波形进行平滑处理；

12、s1030：基于一次平滑基础上，通过最小二乘法，每一页计算波形的趋势线；

13、s1040:波段识别；

14、s1050:识别波形状/波类型；

15、s1060：波形频率、波形幅值；根据波形，计算出相应的频率与幅值。

16、s1070：斜率计算；

17、s1080：通道与区域标识；

18、s1090：波形标准差，通过波形与趋势线做波形的标淮差值。

19、进一步地，步骤s1020中的对波形进行平滑处理，假为原据为a1,a2……an,平滑后的数据为b1,b2……bn，其处理过程，采用如下步骤：

20、s1030-1：第一个点到第三个点，即b1到b3，

21、依次取：b1＝a1×0.9+a2×0.1，

22、b2＝a1×0.1+a2×0.8+a3×0.1，

23、b3＝a1×0.05+a2×0.15+a3×0.7+a4×0.1；

24、s1030-2：b4到bn-1个点，值为：bx＝0.05×(ax-3)+0.1×(ax-2)+0.15×(ax-1)+0.7×ax+0.1×(ax+1)；

25、即，ax-3点取值权重为0.05，ax-2点取值权重为0.1，ax-1点取值权重为0.15，ax取值权重为0.7，后续ax+1点取值权重为0.1；

26、s1030-2：bn取值为：0.05×(an-3)+0.1×(an-2)+0.15×(an-1)+0.8an。

27、进一步地，步骤s1030，基于一次平滑基础上，通过最小二乘法，每一页计算波形的趋势线，其采用如下步骤：

28、s1030-1：最小二乘法主要是设拟合直线的公式为：y＝kx+b，

29、s1030-2：然后通过数据，计算出拟合直线的斜率为：

30、s1030-3：计算出斜率后，根据和已经确定的斜率k，利用待定系数法求出截距b。

31、本发明有益效果为：本发明所述的一种脑电异常波形查找方法，它增加了检索条件；按年龄进行区分检索类型，并将检索条件区域，标准差、斜率等，排除伪迹，提高精确度；它通过分类模型，形成了智能闭环的检索结果处理，让检索更新智能，同时又兼顾传统阀值方法。

技术特征：

1.一种脑电异常波形标注纠正处理方法，其特征在于：采用如下步骤：

2.根据权利要求1所述的一种脑电异常波形标注纠正处理方法，其特征在于：步骤s40中的标注头重新定位，采用如下步骤：

3.根据权利要求1所述的一种脑电异常波形标注纠正处理方法，其特征在于：步骤s50中的标注尾重新定位，采用如下步骤：

技术总结
本发明涉及脑电异常波形的查找技术领域，具体涉及一种脑电异常波形查找方法，采用如下步骤：S10：脑电波形特征值提取阶段；S20：建立检索模板库阶段；S30：特征值比较阶段；S40：分类模型筛查阶段；S50：调整检索结果阶段；S60：根据最终检索结果，不断的进行分类模型训练，形成最终的检索方案，达到智能判断的目标；它增加了检索条件；按年龄进行区分检索类型，并将检索条件区域，标准差、斜率等，排除伪迹，提高精确度；它通过分类模型，形成了智能闭环的检索结果处理，让检索更新智能，同时又兼顾传统阀值方法。

技术研发人员：张万明,温冠洪,丁胜财
受保护的技术使用者：广东美兰特科技有限公司
技术研发日：
技术公布日：2024/3/21