[发明专利]基于同步视频与脑电的儿童运动性癫痫智能辅助分析方法

权利要求书

1.基于同步视频与脑电的儿童运动性癫痫智能辅助分析方法，其特征在于包括如下步骤：

步骤1、对原始数据中的原始脑电信号截取发作间期与发作期的片段，并将其划分为6秒的数据帧，使用带通滤波器对0.5至70Hz以外的频段滤除，使用陷波滤波器剔除50Hz的工频干扰，去除伪迹，最终得到干扰较少的脑电信号；

步骤2、对预处理好的脑电信号提取其MFCC特征与LPCC特征，以直方图的形式可视化MFCC特征与LPCC特征；

步骤3、对原始数据中的视频数据，截取与脑电信号同步的视频片段，每一段视频数据也为6秒，将视频的分辨率调整为416*416的像素，视频的帧率为20帧每秒，即一个视频总帧数为120帧；

步骤4、将经过步骤3处理后的视频数据输入到YOLO的神经网络进行目标检测，该神经网络将识别出儿童癫痫患者在该视频中的位置，并用红色的框标识出；

步骤5、将经过步骤4处理后的视频数据进行时空兴趣点的检测，得到每一帧中时空兴趣点的位置，对比儿童癫痫患者的位置即视频中的红框，筛选掉不在红框中的时空兴趣点；

步骤6、保留以每个时空兴趣点为中心的9个block，将连续两帧同一个位置的9个block组成一个cube，并对这个cube进行HOG、HOF、LBP、MBH特征提取；

步骤7、将提取到的时空兴趣点的特征放入词袋模型中，构建50个词的词库，对每个时空兴趣点的特征进行分类，并保存为词频直方图，最终得到50维的视频特征；

步骤8、将提取的脑电信号特征和视频数据特征进行融合；

步骤9、对融合后的特征进行SMOTE+Tomeklinks数据均衡处理,使得发作期样本数量等于发作间期的样本数量，得到最终的儿童癫痫特征；

步骤10、将最终的儿童癫痫特征放入机器学习算法中进行训练，采取10折交叉验证来评估模型性能，并得到癫痫发作检测结果。

2.根据权利要求1所述的基于同步视频与脑电的儿童运动性癫痫智能辅助分析方法，其特征在于所述步骤2的具体流程如下：

2-1、将预处理好的脑电信号按每6s一段进行切分，对每段脑电信号进行预加重、分帧、加窗后进行离散傅里叶变换得到其频谱，对频谱平方后得到其功率谱，再通过Mel三角滤波器组进行处理，再通过离散余弦变换得到梅尔频率倒谱系数特征，大小为21*12；

2-2、同时对预处理好的信号，利用Matlab里的LPC函数即可得到LPC系数，再通过计算倒谱便可得到21*16维的线性预测倒谱系数特征。

3.根据权利要求1或2所述的基于同步视频与脑电的儿童运动性癫痫智能辅助分析方法，其特征在于所述步骤3的具体流程如下：

3-1、截取视频数据中与脑电信号同步的发作间期与发作期片段，每一段视频数据也为6秒，设置视频的分辨率为416*416的像素，视频的帧率为20帧每秒，即一个6秒视频的总帧数为120帧。