[发明专利]一种基于EcoG癫痫神经信号的解码方法和云端解码系统

说明书

本发明公开了一种基于EcoG癫痫神经信号的解码方法和云端解码系统，所述解码方法，包括以下步骤：步骤1，提取原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；步骤3，基于SVM模型，对采集到的小波系数特征进行学习模型训练，再利用该学习模型进行预测，步骤4，返回模型预测结果。本发明可在智能医疗装置在采集到病人EcoG信号后，可通过网络api，访问该云端部署的癫痫EcoG识别模型，上传病人准实时EcoG信息，获取返回的分类结果。

技术领域

本发明涉及神经信号处理技术领域，特别是涉及一种基于EcoG癫痫神经信号的解码方法和云端解码系统。

背景技术

癫痫是一种典型的神经疾病，其临床特征表现为反复发作、大脑神经元过度异常放电等。有效的癫痫信号检测可以及早进行有效治疗，避免大脑产生不可逆的损伤。EcoG(脑皮层电图)通过探头直接在大脑皮层采集信息，精度高于传统的EEG方法，然而，目前的EcoG分析和解码算法并不完善。另外，在本地系统部署离线模型会导致模型更新困难，而且对智能装置的计算能力有较高要求不适合大规模商业推广，业界也缺乏完整的EcoG从分析到部署的解决方案。

发明内容

本发明的目的是针对现有技术中缺乏完善的分析、解码EcoG癫痫神经信号的方法，而提供一种基于EcoG癫痫神经信号的解码方法。

本发明的另一个目的是针对本地部署解码EcoG癫痫神经信号系统难以更新和推广的问题，而提供一种基于EcoG癫痫神经信号的云端解码系统，智能医疗装置在采集到病人EcoG信号后，可通过网络api，访问该云端部署的癫痫EcoG识别模型，上传病人准实时EcoG信息，获取返回的分类结果。从而解决癫痫EcoG在线检测问题。

为实现本发明的目的所采用的技术方案是：

本发明的一种基于EcoG癫痫神经信号的解码方法，包括以下步骤：

步骤1，提取待测试癫痫病人的原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；

步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；

步骤3，利用所述SVM机器学习模型进行预测：第一阶段，基于所述小波系数特征识别放电信号波形所对应的神经元类别，把单个EcoG时间序列信号转换成多个神经元类别的时间序列信号，然后提取所述多个神经元类别的放电率；第二阶段，将得到的所述多个神经元类别的放电率输入到SVM机器学习模型，以预测出病人是否处于癫痫前状态；

步骤4，返回模型预测结果。

在上述技术方案中，所述SVM机器学习模型的训练通过以下步骤：

步骤1，提取学习样本的原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；

步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；

步骤3，基于SVM模型，对采集到的小波系数特征进行学习模型训练：第一阶段，基于所述小波系数特征识别放电信号波形所对应的神经元类别，把单个EcoG时间序列信号转换成多个神经元类别的时间序列信号，然后提取所述多个神经元类别的放电率；第二阶段，利用所有学习样本得到的所述多个神经元类别的放电率训练SVM机器学习模型。

在上述技术方案中，所述SVM机器学习模型时采用的学习样本个数为5000-10000个。

在上述技术方案中，所述步骤1中原始颞叶EcoG时间序列信号由g.tec公司的g.HIamp脑机接口设备采集。