[发明专利]基于脑电信号处理的癫痫发作预警设备

说明书

本发明公开了一种基于脑电信号处理的癫痫发作预警设备，属于数据处理技术领域，该设备包括：信号采集设备和上位机；所述信号采集设备获取待检测脑电信号；所述上位机从所述待检测脑电信号中提取预设通道的通道信号，对所述通道信号按照预设时间窗进行划分，获得若干段通道信号；分别获取各段通道信号的时域特征以及频率特征，将各段通道信号的时域特征以及频率特征按照空间位置进行组合，获得特征向量；根据所述特征向量进行癫痫发作预警。本发明在进行癫痫发作预警时，综合了信号时域、频域两个方面的特征，提高了预测结果准确度。

技术领域

本发明涉及数据处理技术领域，特别涉及一种基于脑电信号处理的癫痫发作预警设备。

背景技术

癫痫是由大脑神经元突发性异常放电引起的一种慢性功能障碍疾病，发作时会造成患者运动、意识、感觉和行为等方面的障碍，给病人带来极大的痛苦。对于某些无法治愈的癫痫而言，癫痫发作预警技术可以在癫痫真正发作之前一段时间进行预警，以便提前采取必要的治疗措施，降低对于患者的伤害。

目前癫痫预警的主要技术是对于脑电信号的分析与处理。癫痫发作前脑电信号会出现棘波、尖波、棘慢复合波、尖慢复合波等异常特征，提取并分类这些异常特征是癫痫预警的关键。作为一种随机非平稳信号，脑电信号具有背景噪声强，原始数据集巨大等特点，因此提取信号特征的较为困难，常见的处理方法有时域分析、快速傅里叶变换、小波变换、自回归分析等。利用这些方法从原始数据中提取出特征向量，再通过选取合适的分类器及其参数，可以得到可观的自动化检测的准确率。

对于癫痫发作的预警，前人做了很多相关研究。中国专利公开号CN108320800A，提供了一种癫痫病发作检测和发作前预测的脑电数据分析方法。它通过对于头皮脑电图(EEG)信号的处理得到时频域特征，然后通过特征选择算法对特征集进行筛选，得到的最优特征子集后再用支持向量机(Support Vector Machine，SVM)进行训练分类，根据分类结果确定预测和检测结果。

但由于癫痫发作期和发作前期的波形特征不同，用同样的方法处理，检测的准确度与预测的时间长度二者的矛盾无法调和。在这种情况下，该技术所关注的重点仍是癫痫发作的检测，因而它限制了仅为5s左右较短的预测时间，得到了95％以上较高的检测准确率。但就实际情况分析，5s左右的预警时间太短而不足以满足需求，不够医生及时采取治疗措施等。

发明内容

为解决上述的全部或部分的技术问题，本发明提供了一种基于脑电信号处理的癫痫发作预警设备，所述基于脑电信号处理的癫痫发作预警设备包括：信号采集设备和上位机；

所述信号采集设备，用于获取用户在当前时刻的当前脑电信号，获取用户在距离当前时刻预设时间长度内的历史脑电信号，将所述当前脑电信号和历史脑电信号作为待检测脑电信号；

所述上位机，用于从所述待检测脑电信号中提取预设通道的通道信号，对所述通道信号按照预设时间窗进行划分，获得若干段通道信号；

所述上位机，还用于分别获取各段通道信号的时域特征以及频率特征，将各段通道信号的时域特征以及频率特征按照空间位置进行组合，获得特征向量；

所述上位机，还用于根据所述特征向量进行癫痫发作预警。

优选地，所述上位机，还用于分别获取各段通道信号的均值、方差、偏度和峰度，并将各段通道信号的均值、方差、偏度和峰度作为各段通道信号的时域特征。

优选地，所述上位机，还用于分别对各段通道信号进行小波变换，获得各段通道信号在不同频率组分的分解系数；

所述上位机，还用于根据所述各段通道信号在不同频率组分的分解系数计算各段通道信号的小波能量，将各段通道信号的小波能量作为各段通道信号的频率特征。