[发明专利]一种基于多模态信息的癫痫发作时间段检测系统及方法

权利要求书

1.一种基于多模态信息的癫痫发作时间段检测系统的检测方法，其特征在于，包括以下步骤：

(A)：采集癫痫患者的发作期和非发作期的多模态生理信号，多模态生理信号包括六轴加速度计信号ACM、表面肌电信号sEMG、皮肤电导信号EDA；

(B)：对多模态生理信号按时间长度划分移动窗并进行质量筛选、癫痫发作时间段的初步识别以及信号去噪；

(B1)：对所采集的多模态生理信号按时间长度划分移动窗；

(B2)：对每个移动窗，根据皮肤电导信号EDA信号均值评估数据质量，排除低质量移动窗即空采数据：空采数据定义为电极片未与皮肤接触时采集到的生理信号，此时皮肤电导信号EDA信号幅度为零，根据皮肤电导信号EDA均值及其预设阈值可排除空采数据；

(B3)：根据加速度计信号计算线加速度，其中a_x、a_y、a_z分别表示x、y、z轴加速度，对线加速度a进行高通滤波去除低频趋势项，计算其标准差和峰值频率，峰值频率定义为最大功率谱密度对应的频率，进行癫痫发作时间段的初步识别：若标准差低于0.1g，其中g表示重力加速度，或峰值频率低于2Hz，则判定该移动窗为非发作期片段，否则认为移动窗可能为癫痫发作期片段；

(B4)：对待分类移动窗进行信号去噪：对表面肌电信号sEMG进行模板滤波去除混入的肌肉对皮肤电导信号EDA激励信号的响应，然后利用高通滤波与陷波去除工频干扰；

(C)：提取移动窗各模态信号的时域和频域特征；

(C1)：提取加速度计信号特征，其中加速度信号和角速度信号的特征相同，以加速度信号为例，其时域特征包括：加速度a的均值、均方根、标准差以及力的大小；其频域特征包括：最大功率谱密度、峰值频率，将0～25Hz等分为8个频带计算各频带功率谱密度的积分作为另外8个频域特征；

(C2)：提取表面肌电信号特征，其时域特征包括：积分肌电值、均方根、标准差、能量以及过零点次数，过零点定义为信号幅度为0的点；其频域特征包括：中值频率、平均频率，将0～200Hz等分为4个频带计算各频带相对功率作为特征值；

(C3)：提取皮肤电导信号特征，时域特征包括：均值、均方根、标准差；对皮肤电导信号EDA信号进行最小二乘拟合，以斜率k作为一个特征；上升点数目，满足x(n)＞x(n-1)的点(n,x(n))称为上升点，其中x(n)表示皮肤电导信号EDA序列；首尾差：x(N)-x(1)，其中N表示皮肤电导信号EDA序列的长度；

(D)：结合交叉验证，使用代价敏感支持向量机CSVM进行识别分类；

(D1)：将各个模态生理信号特征输入到代价敏感支持向量机CSVM进行模式识别分类：以计算得到的45个特征作为特征值，将其输入到代价敏感支持向量机CSVM中进行训练和测试，代价敏感支持向量机CSVM的优化目标为：其中ω、b表示超平面参数，y_i∈{-1,1}表示样本标签，x_i表示样本特征向量，C表示惩罚因子，即分类错误的代价，惩罚因子越大表示该标签类别越重要，l_0/1表示0-1损失函数，其中z表示y_i(ω·x_i+b)-1，z＜0代表分类错误，代价敏感支持向量机CSVM通过调整不同类别的惩罚因子C设置类别的重要性，以提高分类准确率；

(D2)：使用留一次发作交叉验证和k重交叉验证，同时进行样本内优化和样本外测试：以内层k重交叉验证评估和选择最优模型，对代价敏感支持向量机CSVM输出进行均值滤波，选择合适的阈值，得到的二分类结果即为癫痫发作时间段的检测结果，当检测到癫痫发作片段且连续2min内无其他发作片段时，认为捕获到一次癫痫发作事件，将外层交叉验证的结果进行平均，作为最终测试结果。