[发明专利]用于辅助癫痫灶定位的脑电高频振荡信号自动检测系统

权利要求书

1.一种用于辅助癫痫灶定位的脑电高频振荡信号自动检测系统，该检测系统包括脑电信号采集部分和用于癫痫灶定位的SEEG高频振荡信号自动检测平台；所述脑电信号采集部分用于采集脑电信号并将数据导入SEEG高频振荡信号自动检测平台；

SEEG高频振荡信号自动检测平台能够通过深度学习算法判定片段是否含HFOs，输入深度学习算法前要对片段位置进行记录，深度学习算法输出后能记录判定为HFOs片段的片段位置，并将该位置进行突出显示。

2.根据权利要求1所述的检测系统，其特征在于，SEEG高频振荡信号自动检测平台还能够对整个输入数据中各通道信号片段中属于HFOs片段的数量进行统计，并根据统计的数量大小和相应的颜色阈值进行比较，使其显示不同的颜色。

3.根据权利要求2所述的检测系统，其特征在于，统计所有通道中HFOs片段数量的最大值，对于HFOs片段数量高于2/3最大值的通道，在HFOs片段数量显示框处设置红色背景，对于HFOs片段数量在1/3～2/3最大值的通道，在HFOs片段数量显示框处设置黄色背景，方便用户迅速查找有用通道。

4.根据权利要求1所述的检测系统，其特征在于，SEEG高频振荡信号自动检测平台将用户界面和后台处理程序分为两个线程，所述用户界面提供用户交互，方便用户下达指令和查看处理结果，包括原始信号与滤波信号的显示、HFOs片段位置与各通道HFOs片段数量的显示、功率谱显示、时频图显示；所述后台处理程序接收用户指令，将计算结果返回用户界面进行显示，包括EDF文件读取程序、FIR滤波程序、功率谱计算程序、小波变换程序、HFOs检测程序；其中EDF文件读取程序用以提取脑电信号采集部分传来的EDF文件中关于脑电的有用信息，有用信息包括：脑电信号时间-幅值数据、采样频率、通道数、原始信号数据；FIR滤波程序使用带通滤波器去除脑电信号中指定频率范围之外的频率分量影响；功率谱计算程序将信号幅度随时间变化的时域特征转化为功率随频率变化的频域特征，方便用户分析脑电信号的频域信息；小波变换程序用于计算出在脑电信号的每个时间点包含哪些频率成分，方便用户分析脑电信号的时频信息；HFOs检测程序调用已经训练完成的深度学习模型进行HFOs片段与普通信号片段的判断。

5.根据权利要求4所述的检测系统，其特征在于，所述深度学习模型的网络结构为：输入信号为400x2的二维脑电信号，其中第一维为使用滤波范围为80-500Hz的带通滤波器滤波后的脑电信号，第二维为使用滤波范围为0-80Hz的低通滤波器滤波后的脑电信号，根据两种信号的特点，采用不同的特征提取方式；其中第一维的脑电信号先使用1x1卷积核进行卷积，卷积核数量为8个，对数据进行升维，接着采用1x3与1x5的空洞卷积扩大感受野，之后经过池化层、卷积层、池化层完成第一维脑电信号中特征的初步提取；第二维的脑电信号经过两次卷积与池化完成其特征的初步提取；之后，将两个维度提取的特征融合到全连接层，之后再经过两个全连接层，最后由输出层输出该脑电信号片段是普通信号片段还是HFOs片段；

其中使用Leaky ReLU函数作为神经元的激活函数，在全连接层中都使用dropout规则，最后一层输出层是Softmax层。

6.根据权利要求1所述的检测系统，其特征在于，所述SEEG高频振荡信号自动检测平台内部调用深度学习模型进行HFOs自动检测，调用MNE-Python工具库中的函数进行滤波、小波变换处理，由主线程控制用户界面的显示，负责与用户的交互，进行高频振荡信号检测结果的呈现、脑电分析方法的选择和分析结果的呈现，由子线程运行后台处理程序，根据主程序发送的任务进行相应计算，并把计算结果发送到主线程。

7.根据权利要求6所述的检测系统，其特征在于，HFOs检测包括信号片段分类、HFOs片段位置记录、HFOs片段数量统计，信号片段分类为通过智能算法将信号片段分为普通信号片段与HFOs片段；HFOs片段位置记录的作用是记录下被判断为HFOs片段的信号片段起始时间与所在通道信息，用于之后HFOs片段标记；HFOs片段数量统计的作用是统计各通道中HFOs片段的总数量。