CN108113669A - 一种癫痫病灶定位方法及*** - Google Patents
一种癫痫病灶定位方法及*** Download PDFInfo
- Publication number
- CN108113669A CN108113669A CN201711277993.7A CN201711277993A CN108113669A CN 108113669 A CN108113669 A CN 108113669A CN 201711277993 A CN201711277993 A CN 201711277993A CN 108113669 A CN108113669 A CN 108113669A
- Authority
- CN
- China
- Prior art keywords
- epileptic
- image
- crosslinking electrode
- eeg signal
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Neurology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Neurosurgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Psychology (AREA)
- Image Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种癫痫病灶定位方法及***,所述方法包括:步骤S1、基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;步骤S2、将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;步骤S3、对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。本发明提供的一种癫痫病灶定位方法及***,通过将一维脑电信号转换为二维脑电信号进而生成相对应的图像,再对二维图像进行图像处理,使得原隐藏在一维脑电信号中的隐匿特征进行显现,从而实现了高精度的特征匹配,提高癫痫病灶定位的准确性。
Description
技术领域
本发明涉及癫痫病灶定位领域,更具体地,涉及基于一种多导联癫痫病灶定位方法及***。
背景技术
癫痫是一种慢性疾病,长期的反复性发作,不仅使患者身体遭受痛苦,而且在一定程度上导致其精神及社会心理障碍。目前对癫痫病的治疗手段主要是药物治疗和手术切除病灶。据估计,在癫痫患者中约有10%-50%属于顽固性癫痫,对这部分患者来说药物治疗往往见效甚微,或者不适于手术治疗,他们需要新的治疗方法。而研究表明直接导致癫痫发作并非癫痫病理灶而是致痫灶,致痫灶的准确定位是癫痫外科手术治疗的前提,如何正确的确定癫痫的病灶位对癫痫的治疗具有重要意义。
确定癫痫的病灶位实质上是在癫痫的一维脑电信号中进行癫痫特征提取,但是一维脑电信号并不能反映全部的癫痫特征,有许多隐匿特征一维脑电信号不能识别,导致癫痫特征匹配精度较低,从而造成对癫痫病灶的定位不准确。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种癫痫病灶定位方法及***,所述方法包括:
步骤S1、基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;
步骤S2、将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;
步骤S3、对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。
其中,步骤S1具体包括:
在多个不同位置布置非侵入式导联电极;
同时采集每个非侵入式导联电极对应的一维癫痫脑电信号。
其中,步骤S2具体包括:
基于预设数目N,在所述一维癫痫脑电信号中截取数据点数目为N2的一维癫痫脑电信号数据段;
按照信号的时序顺序,以每N个数据点作为一组行向量,将所述一维癫痫脑电信号数据段构造为N阶矩阵A;
将所述N阶矩阵A的转置矩阵B作为所述二维癫痫脑电信号图像。
其中,步骤S3包括:
步骤S31、对每个导联电极对应的所述二维癫痫脑电信号图像进行图像处理,以增强所述二维癫痫脑电信号图像的隐匿特征,获取每个导联电极对应的特征增强后的图像矩阵;
步骤S32、对所述每个导联电极对应的特征增强后的图像矩阵进行tamura纹理特征提取,计算每个导联电极对应的所述特征增强后的图像的特征值粗糙度、对比度以及线性度的值;
步骤S33、基于所述每个导联电极对应的特征增强后的图像的特征值粗糙度、对比度以及线性度的值,确定所述脑部布置的多个导联电极中的癫痫病灶导联电极位置。
其中,步骤S31包括:
对每个导联电极对应的所述二维癫痫脑电信号图像进行二维小波变换,得到每个导联电极对应的第一图像矩阵;
对所述每个导联电极对应的第一图像矩阵进行小波去噪和巴通沃斯高通滤波,得到每个导联电极对应的第二图像矩阵;
对所述每个导联电极对应的第二图像矩阵进行同态增强滤波,得到每个导联电极对应的第三图像矩阵;
对所述每个导联电极对应的第三图像矩阵进行拉普拉斯算子边缘锐化,得到所述每个导联电极对应的特征增强后的图像矩阵。
其中,步骤S33具体包括:
基于所述每个导联电极对应的特征增强后的图像的特征值粗糙度、对比度以及线性度的值,选择所述粗糙度最小、线性度最小并且对比度最大的一个或多个导联电极位置。
其中,所述方法还包括:
将实时确定的癫痫病灶位置和/或历史确定的癫痫病灶位置在客户端实时显示。
根据本发明的第二方面,提供一种癫痫病灶定位***,包括:
采集模块,用于基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;
转换模块,用于将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;
定位模块,用于对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。
根据本发明的第三方面,提供一种计算机程序产品,包括程序代码,所述程序代码用于执行上述所述的一种癫痫病灶定位方法。
根据本发明的第四方面,提供一种非暂态计算机可读存储介质,用于存储如前所述的计算机程序。
本发明提供的一种癫痫病灶定位方法及***,通过将一维脑电信号转换为二维脑电信号进而生成相对应的图像,再对二维图像进行图像处理,使得原隐藏在一维脑电信号中的隐匿特征进行显现,从而实现了高精度的特征匹配,提高癫痫病灶定位的准确性。
附图说明
图1是本发明实施例提供的一种癫痫病灶定位方法流程图;
图2是本发明实施例提供的导联电极安放位置示意图;
图3是本发明实施例提供的导联电极纹理特征计算值示意图;
图4是本发明实施例提供的一种癫痫病灶定位***结构图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1是本发明实施例提供的一种癫痫病灶定位方法流程图,如图1所示,所述方法包括:
步骤S1、基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;
步骤S2、将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;
步骤S3、对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。
现有技术中,针对于癫痫的病灶位定位采用的一维脑电信号处理的方法,并不能将隐藏在原一维脑电信号的一些特征信息显现出来,这是由于一维脑电信号对隐匿信号识别差、匹配精度低。
针对上述现有技术中存在的问题,本发明实施例提供的了一种癫痫病灶定位方法,通过跳出了一维脑电信号处理的局限性,根据二维变换理论,将一维脑电信号重构成二维脑电信号,再对二维图像进行处理,通过观察处理后的图像,我们可以直观的看出正常脑电所对应的图像与异常脑电多对应的图像之间存在直观显著的差别,这种直观和显著的差别是观察正常和异常的一维脑电信号所观察不到的。
具体的,步骤S1中,所述基于脑部布置的多个导联电极,可以理解的是,是在癫痫患者的头顶布置的多个导联电极,每一个导联电极对应采集导联电极所在点位获取的脑电信号,采集到的脑电信号是一维的数据流,故本发明实施例将此信号称为一维癫痫脑电信号。
进一步的,所述导联电极为正在处理癫痫信号所对应的采集电级。
步骤S2中,可以理解的是,所述一维癫痫脑电信号对应的是每个采集点对应一个数据值的信号流,所述二维癫痫脑电信号图像是经过维数转换后所构成的二维图像矩阵,在本发明实施例中称为二维癫痫脑电信号图像。
步骤S3中,所述图像处理即传统利用计算机对图像进行压缩、增强、复原、匹配、描述等操作,使得图像处理后的图像能够达到所需结果。所述图像的纹理特征是指将所要检测的纹理进行建模,在图像中搜索重复的模式。
在本发明实施例中,优选的采用了tamura纹理特征提取的方法。所述tamura纹理特征提取是在图像中提取本发明实施例所需的纹理特征,一般的纹理特征反映为粗糙度、对比度和线性度,而本发明实施例提供的tamura纹理特征提取方法应用于癫痫脑电信号图像的纹理特征提取中,取得了较佳的效果,这是由于tamura纹理特征得到的纹理特征更直观,在视觉效果上更有优势。
通过tamura纹理特征提取的结果,可以确定导联电极中纹理特征最清晰的导联电极位置,那么该位置即为本发明实施例确定的癫痫病灶位置。
本发明实施例提供的癫痫病灶定位方法可以大大提高癫痫致病灶判别的准确度,为医生进行病灶切除手术提供可靠参考。
在上述实施例的基础上,步骤S1具体包括:
在多个不同位置布置非侵入式导联电极;
同时采集每个非侵入式导联电极对应的一维癫痫脑电信号。
具体的,图2是本发明实施例提供的导联电极安放位置示意图,如图2所示,优选的本发明实施例采用了国际通用的64导联***,在脑部的头顶上按照图2的排列方式安置了64个导联电极。
其中,每个导联电极都是非侵入式电极,非侵入式电极能够接触阻抗较稳定,能够精准的将扫描的电信号进行提取。
那么,图2中提供的64个导联电极将同时采集数据,并将采集到的数据发送给预设的存储设备进行存储,需要说明的是,存储设备是常规的存储介质,本发明实施例对此不做限定。
进一步的,本发明实施例优选的提供了国际通用的64导联***,但采用其他的导联电极安放方式,只要能正确采集出一维脑电信号,均在本发明实施例保护范围之内。
在上述实施例的基础上,步骤S2具体包括:
基于预设数目N,在所述一维癫痫脑电信号中截取数据点数目为N2的一维癫痫脑电信号数据段;
按照信号的时序顺序,以每N个数据点作为一组行向量,将所述一维癫痫脑电信号数据段构造为N阶矩阵A;
将所述N阶矩阵A的转置矩阵B作为所述二维癫痫脑电信号图像。
可以理解的是,将一维癫痫脑电信号转换为二维癫痫脑电信号实质上是一个维数转换过程,而维数准换有多种方式,本发明实施例优选的提供了一种数据点重构的方式。
重构的公式如下:
X=[x1,x2...xN]T,
其中,X为重构后二维矩阵,即二维癫痫脑电信号图像,xi为行向量,其值为采集到的一维脑电信号的按顺序截取的N个数据点。二维矩阵X的阶数也为N,整个矩阵的数据点数为N2。
那么,本发明实施例上是先从单通道,即其中一个电极采集到的一维癫痫脑电信号中,提取N2个数据点作为参考数据段,对于如何节选以及N的取值本发明实施例不对此做具体限定。
进一步的,在所述参考数据段中,按照信号的时序顺序,以每N个数据点作为一组行向量,那么存在N组行向量,从而构成了一个N阶矩阵A,将矩阵A转置得到矩阵B,即本发明实施例提供的二维矩阵X,同时也是二维癫痫脑电信号图像。
在上述实施例的基础上,步骤S3包括:
步骤S31、对每个导联电极对应的所述二维癫痫脑电信号图像进行图像处理,以增强所述二维癫痫脑电信号图像的隐匿特征,获取每个导联电极对应的特征增强后的图像矩阵;
步骤S32、对所述每个导联电极对应的特征增强后的图像矩阵进行tamura纹理特征提取,计算每个导联电极对应的所述特征增强后的图像的特征值粗糙度、对比度以及线性度的值;
步骤S33、基于所述每个导联电极对应的特征增强后的图像的特征值粗糙度、对比度以及线性度的值,确定所述脑部布置的多个导联电极中的癫痫病灶导联电极位置。
可以理解的是,本发明实施例提供的图像处理过程S31,是为了二维癫痫脑电信号图像中存在的未知隐匿特征,并通过进一步处理增强这些隐匿特征的表征性,从而为后续分析特征提供基础,本发明实施例将图像处理后的图像矩阵称为特征增强后的图像矩阵。
S32中,本发明实施例优选的提供的是tamura纹理特征提取的方案,具体的,本发明实施例将分别构建tamura纹理特征值中的粗糙度Fcrs、对比度Fcon以及线性度Flin。
具体的,粗糙度Fcrs的定义如下式所示:
Sbest(i,j)=2k,其中k的取值是使得E值达到最大k值;g(i,j)是坐标(i,j)的像素灰度值,k=0,1…5;Ek,h(x,y)、Ek,v(x,y)分别是每个像素在水平和垂直方向上不相重叠的窗口之间的平均强度差;Ak(x,y)是活动窗口中像素的平均灰度值。
对比度Fcon的定义如下式所示:
对比度是通过对像素灰度值分布情况的统计得到,它是通过α4=μ/σ4来定义的,其中μ4是四次矩,σ2是方差,Fcon给出了整个图像的全局度量。
线性度Flin的定义如下式所示:
其中PDd是n×n局部方向共生矩阵的距离点。
那么根据S32中每个导联电极计算的粗糙度Fcrs、对比度Fcon以及线性度Flin,可以在步骤S33中确定最优选的电极位置,该位置即为癫痫病灶导联电极位置。
在上述实施例的基础上,步骤S31包括:
对每个导联电极对应的所述二维癫痫脑电信号图像进行二维小波变换,得到每个导联电极对应的第一图像矩阵;
对所述每个导联电极对应的第一图像矩阵进行小波去噪和巴通沃斯高通滤波,得到每个导联电极对应的第二图像矩阵;
对所述每个导联电极对应的第二图像矩阵进行同态增强滤波,得到每个导联电极对应的第三图像矩阵;
对所述每个导联电极对应的第三图像矩阵进行拉普拉斯算子边缘锐化,得到所述每个导联电极对应的特征增强后的图像矩阵。
本发明实施例提供的图像处理过程,实质上是将S2转换的二维矩阵X经过四重变换得到特征增强后的图像矩阵X4的过程。
具体的,本发明实施例将二维矩阵X进行二维小波变换至X1,再对X1进行小波去噪和巴通沃斯高通滤波至X2,然后对图像X2进行同态滤波增强至X3,最后对图像X3进行拉普拉斯算子边缘锐化至X4。
进一步的,本发明实施例对每个导联电极对应的所述二维癫痫脑电信号图像X进行二维小波变换,得到每个导联电极对应的第一图像矩阵X1,为通过二维变换寻找隐匿特征,二维小波变换的定义如下所示:
式中,f(x1,x2)∈L2(R2)表示一个二维信号,x1、x2分别其横坐标和纵坐标,ψ(x1,x2)表示二维基本小波,ψa;b1,b2(x1,x2)表示ψ(x1,x2)的尺度伸缩和二维位移
本发明实施例对所述每个导联电极对应的第一图像矩阵X1进行小波去噪和巴通沃斯高通滤波,得到每个导联电极对应的第二图像矩阵X2,这是由于癫痫脑电信号的同时会伴随着检测干扰、工频干扰等,需要将这些噪声滤除,故本发明实施例提供了小波去噪的方法消除这些噪声,小波去噪的定义如下式所示:
其中,wj,k为第j尺度下的第k个小波系数,为处理后的小波系数,λ为常数。
为了保留高频的癫痫信号噪声,对小波去噪后的图像进行巴通沃斯高通滤波处理,巴通沃斯高通滤波器的定义如下式所示:
其中D0为巴通沃斯高通滤波器的截止频率,n为巴通沃斯滤波器的阶数,用来控制滤波器的陡峭程度。
本发明实施例对所述每个导联电极对应的第二图像矩阵X2进行同态增强滤波,得到每个导联电极对应的第三图像矩阵X3,这是由于去噪滤波后图像保留了癫痫信号,但特征的区别度不大,那么本发明实施例将通过同态增强滤波增强图像的差异,放大特征的区分度,同态滤波器的定义如下式所示:
f(x,y)=i(x,y)·r(x,y)
其中,H(x,y)是滤波器的传递函数,它对图像f(x,y)的低频分量和高频分量有影响。
本发明实施例对所述每个导联电极对应的第三图像矩阵X3进行拉普拉斯算子边缘锐化,得到所述每个导联电极对应的特征增强后的图像矩阵X4,可以理解的是,为了放大癫痫高频细节,对处理后的图像进行拉普拉斯算子边缘锐化,拉普拉斯算子边缘锐化定义如下所示:
▽2f(i,j)=f(i+1,j)+f(i-1,j)+f(i,j+1)+f(i,j-1)-4f(i,j),
对应的滤波模板如下:
在上述实施例的基础上,S33具体包括:
基于所述每个导联电极对应的特征增强后的图像的特征值粗糙度、对比度以及线性度的值,选择所述粗糙度最小、线性度最小并且对比度最大的一个或多个导联电极位置。
图3是本发明实施例提供的导联电极纹理特征计算值示意图,如图3所示,每个导联电极均会计算出一个特征值,分别有粗糙度、对比度以及线性度,那么如图3所示,本发明实施例将会从中选出粗糙度最小、线性度最小并且对比度最大的导联电极位置,那么对应的在图3中即为3号电极所在的位置。
在上述实施例的基础上,所述方法还包括:
将实时确定的癫痫病灶位置和/或历史确定的癫痫病灶位置在客户端实时显示。
可以理解的是,本发明实施例为了使得客户端用户能够清楚的观察数据以及对比数据,本发明实施例将实时提供癫痫病灶位置的计算结果以及历史计算的结果在客户端显示屏上进行实时显示,客户端使用人员可以在显示客户端自由操作查看。
图4是本发明实施例提供的一种癫痫病灶定位***结构图,如图4所示,一种癫痫病灶定位***,包括:采集模块1、转换模块2以及定位模块3,其中:
采集模块1用于基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;
转换模块2用于将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;
定位模块3用于对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。
具体的,本发明实施例实质上提供了一种应用于计算机上的软件***,***主要包括采集模块1去采集一维癫痫脑电信号,转换模块2将一维癫痫脑电信号转换为二维癫痫脑电信号图像,定位模块3对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,从而判断所述脑部布置的多个导联电极中的癫痫病灶导联电极位置。
可以理解的是,本发明实施例提供的***实质上还包括存储模块和显示模块,存储模块能够实时存储采集模块1、转换模块2以及定位模块3的数据,并且能够将数据供给显示模块进行实时显示。
那么通过本发明实施例提供的边采集边储存边计算边定位的癫痫病灶定位***,患者无需进行长时间等待,只需要采集一次,又能保证结果的有效性和数据的长期性,具有很强的扩展性,也为未来医疗大数据时代奠定基础。
本发明实施例提供一种癫痫病灶定位***,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中:所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令以执行上述各方法实施例所提供的方法,例如包括:步骤S1、基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;步骤S2、将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;步骤S3、对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:步骤S1、基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;步骤S2、将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;步骤S3、对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:步骤S1、基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;步骤S2、将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;步骤S3、对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种癫痫病灶定位方法,其特征在于,包括:
步骤S1、基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;
步骤S2、将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;
步骤S3、对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。
2.根据权利要求1所述的方法,其特征在于,步骤S1具体包括:
在多个不同位置布置非侵入式导联电极;
同时采集每个非侵入式导联电极对应的一维癫痫脑电信号。
3.根据权利要求1或2所述的方法,其特征在于,步骤S2具体包括:
基于预设数目N,在所述一维癫痫脑电信号中截取数据点数目为N2的一维癫痫脑电信号数据段;
按照信号的时序顺序,以每N个数据点作为一组行向量,将所述一维癫痫脑电信号数据段构造为N阶矩阵A;
将所述N阶矩阵A的转置矩阵B作为所述二维癫痫脑电信号图像。
4.根据权利要求1所述的方法,其特征在于,步骤S3包括:
步骤S31、对每个导联电极对应的所述二维癫痫脑电信号图像进行图像处理,以增强所述二维癫痫脑电信号图像的隐匿特征,获取每个导联电极对应的特征增强后的图像矩阵;
步骤S32、对所述每个导联电极对应的特征增强后的图像矩阵进行tamura纹理特征提取,计算每个导联电极对应的所述特征增强后的图像的特征值粗糙度、对比度以及线性度的值;
步骤S33、基于所述每个导联电极对应的特征增强后的图像的特征值粗糙度、对比度以及线性度的值,确定所述脑部布置的多个导联电极中的癫痫病灶导联电极位置。
5.根据权利要求4所述的方法,其特征在于,步骤S31包括:
对每个导联电极对应的所述二维癫痫脑电信号图像进行二维小波变换,得到每个导联电极对应的第一图像矩阵;
对所述每个导联电极对应的第一图像矩阵进行小波去噪和巴通沃斯高通滤波,得到每个导联电极对应的第二图像矩阵;
对所述每个导联电极对应的第二图像矩阵进行同态增强滤波,得到每个导联电极对应的第三图像矩阵;
对所述每个导联电极对应的第三图像矩阵进行拉普拉斯算子边缘锐化,得到所述每个导联电极对应的特征增强后的图像矩阵。
6.根据权利要求4所述的方法,其特征在于,步骤S33具体包括:
基于所述每个导联电极对应的特征增强后的图像的特征值粗糙度、对比度以及线性度的值,选择所述粗糙度最小、线性度最小并且对比度最大的一个或多个导联电极位置。
7.根据权利要求1-6任一所述的方法,其特征在于,所述方法还包括:
将实时确定的癫痫病灶位置和/或历史确定的癫痫病灶位置在客户端实时显示。
8.一种癫痫病灶定位***,其特征在于,包括:
采集模块,用于基于预设的多个导联电极,采集每个导联电极对应的一维癫痫脑电信号;
转换模块,用于将所述一维癫痫脑电信号转换为二维癫痫脑电信号图像;
定位模块,用于对所述二维癫痫脑电信号图像进行图像处理和纹理特征提取,以确定所述多个导联电极中的癫痫病灶导联电极位置。
9.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711277993.7A CN108113669A (zh) | 2017-12-06 | 2017-12-06 | 一种癫痫病灶定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711277993.7A CN108113669A (zh) | 2017-12-06 | 2017-12-06 | 一种癫痫病灶定位方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108113669A true CN108113669A (zh) | 2018-06-05 |
Family
ID=62228913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711277993.7A Pending CN108113669A (zh) | 2017-12-06 | 2017-12-06 | 一种癫痫病灶定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108113669A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986754A (zh) * | 2020-08-21 | 2020-11-24 | 南通大学 | 一种基于糖尿病的电子病历管理模型构建方法 |
CN112617825A (zh) * | 2020-12-17 | 2021-04-09 | 中国人民解放军西部战区总医院 | 一种导联电极在快速定位癫痫病灶中的应用 |
WO2022241710A1 (zh) * | 2021-05-20 | 2022-11-24 | 中国科学院深圳先进技术研究院 | 一种癫痫发作区定位***、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1333003A (zh) * | 2001-07-13 | 2002-01-30 | 天津大学 | 大脑头皮电位信息图形的生成方法 |
US20100069776A1 (en) * | 2008-09-04 | 2010-03-18 | Bradley Greger | Diagnosing and monitoring neurological pathologies and states |
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
CN106618562A (zh) * | 2017-01-11 | 2017-05-10 | 南京航空航天大学 | 一种可穿戴的癫痫脑电发作脑区定位装置及定位方法 |
-
2017
- 2017-12-06 CN CN201711277993.7A patent/CN108113669A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1333003A (zh) * | 2001-07-13 | 2002-01-30 | 天津大学 | 大脑头皮电位信息图形的生成方法 |
US20100069776A1 (en) * | 2008-09-04 | 2010-03-18 | Bradley Greger | Diagnosing and monitoring neurological pathologies and states |
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
CN106618562A (zh) * | 2017-01-11 | 2017-05-10 | 南京航空航天大学 | 一种可穿戴的癫痫脑电发作脑区定位装置及定位方法 |
Non-Patent Citations (1)
Title |
---|
裴运通: "基于图像分析方法的癫痫脑电信号特征提取研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986754A (zh) * | 2020-08-21 | 2020-11-24 | 南通大学 | 一种基于糖尿病的电子病历管理模型构建方法 |
CN112617825A (zh) * | 2020-12-17 | 2021-04-09 | 中国人民解放军西部战区总医院 | 一种导联电极在快速定位癫痫病灶中的应用 |
WO2022241710A1 (zh) * | 2021-05-20 | 2022-11-24 | 中国科学院深圳先进技术研究院 | 一种癫痫发作区定位***、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111317468B (zh) | 脑电信号分类方法、装置、计算机设备和存储介质 | |
CN112120694B (zh) | 一种基于神经网络的运动想象脑电信号分类方法 | |
CN106651827B (zh) | 一种基于sift特征的眼底图像配准方法 | |
EtehadTavakol et al. | Breast cancer detection from thermal images using bispectral invariant features | |
CN108113669A (zh) | 一种癫痫病灶定位方法及*** | |
JPH10503961A (ja) | 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置 | |
CN110101362A (zh) | 一种关于oct和octa的图像噪声去除的方法 | |
WO2018120637A1 (zh) | 一种心电信号的降噪方法及装置 | |
Tun et al. | Feature extraction and classification of lung cancer nodule using image processing techniques | |
DE102009043887A1 (de) | System und Vorrichtung zur Verfolgung einer medizinischen Vorrichtung | |
JP2009090094A (ja) | 画像整合のための方法および装置 | |
Manjunath et al. | Brain tumor detection and classification using convolution neural network | |
KR20220150901A (ko) | 모체 자궁 활동 검출을 위한 융합 신호 처리 | |
CN112741598A (zh) | 波形生成识别方法和计算机可读介质 | |
CN116628415A (zh) | 一种基于脑磁图地形图编码的癫痫棘波聚类分析方法 | |
Parthasarathy et al. | Predicting source and age of brain tumor using canny edge detection algorithm and threshold technique | |
Mingai et al. | Removing ocular artifacts from mixed EEG signals with FastKICA and DWT | |
Kaur et al. | Review on medical image denoising techniques | |
Ahmed et al. | Deep learning based automated detection of intraretinal cystoid fluid | |
CN109389567B (zh) | 一种快速光学成像数据的稀疏滤波方法 | |
CN107348958A (zh) | 一种鲁棒扫视eog信号识别方法及*** | |
CN106340014B (zh) | 二值化曲线处理方法 | |
Sivakumar et al. | Computed radiography skull image enhancement using Wiener filter | |
CN112220482B (zh) | 基于神经网络的脑磁图眼动伪迹检测、清除方法及电子装置 | |
Muthu et al. | Morphological operations in medical image pre-processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180605 |
|
RJ01 | Rejection of invention patent application after publication |