[go: up one dir, main page]

CN111700610B - 一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质 - Google Patents

一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质 Download PDF

Info

Publication number
CN111700610B
CN111700610B CN202010498896.6A CN202010498896A CN111700610B CN 111700610 B CN111700610 B CN 111700610B CN 202010498896 A CN202010498896 A CN 202010498896A CN 111700610 B CN111700610 B CN 111700610B
Authority
CN
China
Prior art keywords
electroencephalogram
segmented
signal
signals
detected
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.)
Active
Application number
CN202010498896.6A
Other languages
English (en)
Other versions
CN111700610A (zh
Inventor
郑元庄
徐天昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Pearlcare Medical Technology Co ltd
Original Assignee
Zhejiang Pearlcare Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Pearlcare Medical Technology Co ltd filed Critical Zhejiang Pearlcare Medical Technology Co ltd
Priority to CN202010498896.6A priority Critical patent/CN111700610B/zh
Publication of CN111700610A publication Critical patent/CN111700610A/zh
Application granted granted Critical
Publication of CN111700610B publication Critical patent/CN111700610B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质，该方法包括：获取脑电信号；根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号；根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值；根据所述绝对幅值均值通过所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段。本申请统计变点算法进行分段处理，并通过所述分段电脑信号计算的绝对幅值均值分析得到脑电抑制区间段和/或对应的脑电爆发区间段，有助于解决现有脑电信号爆发抑制模式分析缺乏统一分析方法的技术问题。

Description

一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质
技术领域
本发明涉及脑电信号处理领域，尤其是指一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质。
背景技术
目前，在脑电信号处理领域中，针对爆发抑制模式的分析处理一直是本领域内的一大难题，爆发抑制模式是一种以极低振幅或等电位的脑电出现后又出现高振幅的爆发脑电大脑电活动特征，其目的在于，将连续时间下的脑电信号分割为脑电抑制区间段和脑电爆发区间段。爆发抑制模式最初是在1949年在被异戊巴比妥麻醉的生物上发现的，从那时起，麻醉、创伤性脑损伤、低体温、血氧不足等症状都会体现脑电的爆发抑制现象，比如在麻醉深度监测中脑电爆发区间段的脑电信号频率和脑电抑制区间段的时间，以及麻醉浓度具有重要的关系，其中已有研究表明，脑电的单次脑电抑制区间段的时间越长，表明麻醉深度越深，而且爆发抑制模式的演变也提供了重要的预后信息。另外，除了上述的病理情况，对大脑的其他一些活动也会具有一定的借鉴参考作用。
然而，在现有技术中，爆发抑制模式的分析，大都是脑电专家通过脑电图的直观分析判断，或是通过设置固定阈值来确定脑电的爆发抑制模式。然而通过脑电专家直观的分析判断这种方法既费时又费力，且由于每个专家的判断标准不一致，给出的结果可能也会不一样。所以在脑电信号的爆发抑制模式分析中缺乏一套标准的、可靠的且可量化的分析方法。
所以发明人发现现有技术中，由于缺乏统一标准，且可量化的分析方法，导致存在对其脑电信号的爆发抑制模式分析不准确的技术问题。
发明内容
本申请提供了一种脑电爆发抑制模式的分析方法，该方法包括：
获取脑电信号；
根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号；
根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值；
根据所述绝对幅值均值通过所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段。
在一实施例中，所述根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号包括：
对所述脑电信号进行3.5-30Hz的滤波得到去除伪迹干扰的所述脑电信号；
对去除伪迹干扰的所述脑电信号通过统计变点算法对脑电信号进行分段处理得到所述分段脑电信号。
在一实施例中，所述根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号包括：
根据所述脑电信号通过统计变点算法进行分段得到待检测分段脑电信号；
根据所述待检测分段脑电信号计算所述待检测分段脑电信号的绝对幅值均值；
根据相邻所述待检测分段脑电信号的所述绝对幅值均值判断是否符合预定合并条件，
如果相邻所述待检测分段脑电信号的所述绝对幅值均值符合所述预定合并条件，则将相邻所述待检测分段脑电信号分别作为分段脑电信号。
在一实施例中，所述根据相邻所述待检测分段脑电信号的所述绝对幅值均值判断是否符合预定合并条件还包括：
如果相邻所述待检测分段脑电信号的所述绝对幅值均值不符合所述预定合并条件，则将相邻所述待检测分段脑电信号合并作为分段脑电信号。
在一实施例中，所述根据所述绝对幅值均值通过所述分段脑电信号得到脑电抑制区间段和/或对应的脑电爆发区间段步骤后，所述方法还包括：
当得到所述脑电抑制区间段和对应的所述脑电爆发区间段时，根据所述脑电抑制区间段和对应的所述脑电爆发区间段的时间计算得到单次爆发时间比。
本申请还提供了一种脑电爆发抑制模式的分析装置，所述装置包括：
获取模块，用于用于获取脑电信号；
分段模块，用于根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号；还用于根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值；
分析模块，用于根据所述绝对幅值均值通过所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段。
在一实施例中，所述装置还包括：
滤波模块，用于对所述脑电信号进行3.5-30Hz的滤波得到去除伪迹干扰的所述脑电信号；
所述分段模块，还用于对去除伪迹干扰的所述脑电信号通过统计变点算法对脑电信号进行分段处理得到所述分段脑电信号。在一实施例中，所述计算模块，还用于当得到所述脑电抑制区间段和对应的所述脑电爆发区间段时，根据所述脑电抑制区间段和对应的所述脑电爆发区间段的时间计算得到单次爆发时间比。
在一实施例中，本申请还提供了一种脑电爆发抑制模式的分析系统，所述系统包括：
采集装置，用于获取脑电信号；
处理器单元，根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号；根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值；根据所述绝对幅值均值通过所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段；
显示器，用于显示所述脑电信号，以及所述脑电信号对应图像的上的所述脑电抑制区间段和/或对应的脑电爆发区间段。
在一实施例中，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的脑电爆发抑制模式的分析方法的步骤。
基于上述实施方式，本申请统计变点算法进行分段处理，并将所述脑电信号进行分段得到所述分段脑电信号，并通过所述分段电脑信号计算的绝对幅值均值后，根据所述绝对幅值均值通过对所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段。提供了一种对所述脑电信号的统一分析方法，以解决现有脑电信号爆发抑制模式分析缺乏统一分析方法的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明脑电爆发抑制模式的分析方法的流程示意图；
图2为本发明所述脑电信号x(t)函数的图像示意图；
图3为本发明脑电信号的通过统计变点算法分段后分段脑电图像示意图；
图4为本发明所述合并后分段脑电信号分段区间示意图；
图5为本发明脑电抑制区间段和对应的脑电爆发区间段的单次爆发时间比图像示意图；
图6为本发明脑电爆发抑制模式的分析装置架构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
申请人发现，现有技术中对脑电爆发抑制模式定量分析存在巨大问题。首先，脑电爆发抑制模式即脑电信号中一时间范围内的两段电脑信号，即脑电抑制区间段和脑电爆发时间段。对脑电爆发抑制模式的分析就是找到上述的时间范围，以及将该时间范围通过分析识别出脑电抑制区间段和脑电爆发时间段。需要指出的是，上述的脑电信号可以理解为脑电对应电压和时间的函数。
2012年，美国临床神经学会给出的EEG描述标准中对脑电的爆发抑制做了定量的描述：
第一、在一个爆发抑制事件中，脑电爆发时间段持续时间至少要大于0.5s，最长可持续到30s；
第二、对于脑电抑制区间段，其电压幅值必须要小于背景电压幅值的50％，且在一个爆发抑制事件中的脑电抑制区间段时长要超过整个事件的50％。
虽然，上文给出的脑电爆发抑制模式的持续时间和振幅变化的一个定量标准，但是脑电图振幅的变化非常广泛，不同的受试者在处于相同振幅的脑电，而他们的脑电状态却不一样，且受受试者的身体状况和测量因素，如电极类型、电极位置、阻抗和放大器，不同的记录可能会有所不同。
当脑电图振幅范围发生变化时，阈值难以确定。虽然熵的信号复杂度特征对动态范围具有较强的鲁棒性，但是仍然很难描述动态范围变化时的特性。
图1为本发明脑电爆发抑制模式的分析方法的流程示意图。如图1所示，在一实施例中，本申请提供了一种脑电爆发抑制模式的分析方法，该方法包括：
S101,获取脑电信号。
在本步骤中提供了一种获取所述脑电信号的具体步骤，在本步骤中需要获取测试目标的所述脑电信号，需要指出的是，所述脑电信号为均匀采样下的信号，并可以通过x(t)进行表示，即一个时间与电压的函数，且t＞0。另外，通过傅里叶变换，可以将x(t)的时域函数转化为频域函数，记为Sxx(w)＝0,|w|＞B，其中B为常数。当频域函数符合条件时，则可以更好的进行后面的处理。
图2为本发明所述脑电信号x(t)函数的图像示意图，图2所示，即获取可通过x(t)函数表达的均匀采样下的脑电信号，且x(t)满足通过傅里叶变换后的频域函数Sxx(w)＝0,|w|＞B，其中，B为常数；
图3为本发明所述脑电信号的通过统计变点算法分段后分段脑电图像示意图。如图3所示，
S102,根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号。
本步骤中提供一种脑电信号通过统计变点算法对脑电信号进行分段处理的具体步骤，在上面所述的均匀采样脑电信号序列设置一个滑动窗W，其中滑动窗的窗口长度为
Figure BDA0002523949840000056
滑动步长为s，则在一个窗口内的均匀采样的脑电信号可以写成X＝{x1,x2,…,xn},i＝1,2,…n，其中i为采样时刻，那么窗口内的脑电信号假设在未知时刻τ1,τ2,…,τK-1发生了突变，其中K是未知数据分段数目，而K-1是变点个数。
根据上面公式取K＝2确定窗口内脑电信号的变点时刻。由于脑电信号的爆发抑制模式爆发段或抑制段的持续时间至少为0.5s，所以取窗口滑动步长s＝0.5s，这样就可以找到所有可能的脑电爆发抑制变点位置，则记分段脑电序列为Y1,Y2,…,YL，其中L为分段数。
K为一整数，记τ＝(τ1,τ2,…,τK-1)为整数序列。其中0＜τ1＜τ2＜…＜τK-1＜n。对任意1≤k≤K，构造一关于统计量θ的罚函数
Figure BDA0002523949840000051
假设对于每一个k都有关于θ的估计值
Figure BDA0002523949840000052
使得罚函数J取得最小值，则有
Figure BDA0002523949840000053
统计量θ取方差，则其罚函数为
Figure BDA0002523949840000054
S103,根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值。
本步骤提供一种计算所述分段脑电信号计算绝对幅值均值的具体步骤，在上面得到分段脑电序列Y1,Y2,…,YL，其中L为分段数，那么对每一个分段脑电序列Yj＝(yj,1,yj,2,…,yj,N)其绝对幅值均值可以表示为
Figure BDA0002523949840000055
S104，根据所述绝对幅值均值通过对所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段。
在本步骤中提供了一种根据所述绝对幅值均值分析得到所述脑电抑制区间段和/或对应的脑电爆发区间段的具体实施方式，根据上一步骤中所述绝对幅值均值公式得到均值序列T＝(T1,T2,…,TH)，寻找序列中T的极小值，则每一个极小值对应的脑电分段就是爆发抑制模式脑电的抑制区间段，则其下一相邻段为爆发区间段。
在本实施例中通过变点算法对所述脑电信号进行分析，最终得到脑电抑制区间段和/或对应的脑电爆发区间段的具体实施方式。首先，获取脑电信号，然后根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号，随后根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值，最后根据所述绝对幅值均值通过对所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段。在本实施例中提供了一种通过统计变电算法对所述脑电信号进行爆发抑制模式分析的方法，以解决现有技术中缺乏一套标准的、可靠的且可量化的爆发抑制模式分析方法。
在一实施例中，所述根据所述的获取脑电信号包括：
S201,对所述脑电信号进行通带频率为3.5Hz～30Hz的带通滤波得到去除伪迹干扰的所述脑电信号；
在本步骤中提供了一种去除所述脑电信号中伪迹干扰的具体步骤，即排除伪迹干扰脑电信号的影响。
另外，所述脑电信号对应的x(t)中，在3.5Hz～30Hz的频率范围内脑电的爆发抑制模式特征更为明显，因为在这个频率范围内抑制段脑电几乎没有能量，而爆发段脑电的能量主要集中在该频段。
S202,对去除伪迹干扰的所述脑电信号通过统计变点算法对所述脑电信号进行分段处理得到所述分段脑电信号。
在本步骤中提供了一种将已经去除伪迹干扰的所述脑电信号进行统计变点算法进行分段的具体步骤。
在本实施例中提供了一种去除所述脑电信号干扰频段后进行分段最终得到所述分段脑电信号的具体实施方式。
在一实施例中，所述根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号包括：
S301,根据所述脑电信号通过统计变点算法进行分段得到待检测分段脑电信号。
在本步骤中通过所述脑电信号统计变点算法进行分段得到待检测分段脑电信号具体步骤。
S302,根据所述待检测分段脑电信号计算所述待检测分段脑电信号的绝对幅值均值。
在本步骤中提供了一种计算所述待检测分段脑电信号的具体实施方式，之后以检测分段后的所述待检测分段脑电信号是否符合在脑电信号的爆发抑制模式中抑制段的脑电的幅值必须比背景电压50％还来的小的判断条件。
S303,根据相邻所述待检测分段脑电信号的所述绝对幅值均值判断是否符合预定合并条件，如果相邻所述待检测分段脑电信号的所述绝对幅值均值符合所述预定合并条件，则将相邻所述待检测分段脑电信号分别作为分段脑电信号。
在本步骤中提供了一种判断相邻所述待检测分段脑电信号是否需要进行合并的具体实施方式。
在脑电信号的爆发抑制模式中抑制段的脑电的幅值必须比背景电压50％还来的小，为了描述这一特征，利用相邻分段脑电绝对幅值均值来对分段脑电进行幅值比较，即
Figure BDA0002523949840000061
或
Figure BDA0002523949840000062
其中，α为经验系数。
在本实施例中提供了一种将所述脑电信号的进行分段得到所述待检测分段脑电信号，对所述待检测分段脑电信号经过判断是否满足所述预定合并条件的具体实施方式，首先，根据所述脑电信号通过统计变点算法进行分段得到待检测分段脑电信号。然后，根据所述待检测分段脑电信号计算所述待检测分段脑电信号的绝对幅值均值。最后，根据相邻所述待检测分段脑电信号的所述绝对幅值均值判断是否符合预定合并条件，如果相邻所述待检测分段脑电信号的所述绝对幅值均值符合所述预定合并条件，则将相邻所述待检测分段脑电信号分别作为分段脑电信号。
在一实施例中，所述根据相邻所述待检测分段脑电信号的所述绝对幅值均值判断是否符合预定合并条件还包括：
如果相邻所述待检测分段脑电信号的所述绝对幅值均值不符合所述预定合并条件，则将相邻所述待检测分段脑电信号合并作为分段脑电信号。
在本实施例中提供了一种所述绝对幅值均值不符合所述预定合并条件，需要将相邻所述待检测分段脑电信号合并的具体实施方式，合并后可能还需要根据公式
Figure BDA0002523949840000071
进行判断，需要不要再次进行合并，直到不再需要合并为止，最终将符合上述公式的合并后的所述待检测分段脑电信号作为所述分段脑电信号。
在一实施例中，所述根据所述统计变点分割方法对所述脑电信号进行分割得到脑电抑制区间段和/或脑电爆发区间段步骤后，所述方法还包括：
当得到所述脑电抑制区间段和对应的所述脑电爆发区间段时，根据所述脑电抑制区间段和对应的所述脑电爆发区间段的时间计算得到单次爆发时间比。
在本实施例中提供了一种计算单次爆发时间比的具体实施方式，因为所述单次爆发时间比也是非常重要的关于爆发抑制时段的测量数据。
图5为本发明脑电抑制区间段和对应的脑电爆发区间段的单次爆发时间比图像示意图，如5所示，单次爆发时间比公式为：
Figure BDA0002523949840000072
图6为本发明脑电爆发抑制模式的分析装置架构示意图。如图6所示，本申请还提供了一种脑电爆发抑制模式的分析装置，所述装置包括：
获取模块101，用于获取获取脑电信号；
分段模块102，用于根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号；
计算模块103，用于还用于根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值；
分析模块104，用于根据所述绝对幅值均值通过所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段。
在一实施例中，所述装置还包括：
滤波模块105，用于对所述脑电信号进行3.5-30Hz的滤波得到去除伪迹干扰的所述脑电信号；
所述分段模块102，对去除伪迹干扰的所述脑电信号通过统计变点算法对脑电信号进行分段处理得到所述分段脑电信号。在一实施例中，所述计算模块102，还用于当得到所述脑电抑制区间段和对应的所述脑电爆发区间段时，根据所述脑电抑制区间段和对应的所述脑电爆发区间段的时间计算得到单次爆发时间比。
在一实施例中，本申请还提供了一种脑电爆发抑制模式的分析系统，所述系统包括：
采集装置，用于获取脑电信号；
处理器单元，用于根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号；根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值；根据所述绝对幅值均值通过所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段；
显示器，用于显示所述脑电信号，以及所述脑电信号对应图像的上的所述脑电抑制区间段和/或对应的脑电爆发区间段。
在一实施例中，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的脑电爆发抑制模式的分析方法的步骤。
实际应用中，所述的计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的，也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或多个程序被执行时，实现所描述的数据的图像数据处理方法。
根据本申请公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件，或者上述的任意合适的组合，但不用于限制本申请保护的范围。在本申请公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (9)

1.一种脑电爆发抑制模式的分析方法，其特征在于，该方法包括：
获取脑电信号；
根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号；
根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值；
根据所述绝对幅值均值通过对所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段；
所述根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号包括：
对所述脑电信号进行3.5-30Hz的滤波得到去除伪迹干扰的所述脑电信号；
根据所述脑电信号通过统计变点算法进行分段得到待检测分段脑电信号；
根据所述待检测分段脑电信号计算所述待检测分段脑电信号的绝对幅值均值；
根据相邻所述待检测分段脑电信号的所述绝对幅值均值判断是否符合预定合并条件，
如果相邻所述待检测分段脑电信号的所述绝对幅值均值符合所述预定合并条件，则将相邻所述待检测分段脑电信号分别作为分段脑电信号。
2.根据权利要求1所述的脑电爆发抑制模式的分析方法，其特征在于，所述根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号还包括：
对去除伪迹干扰的所述脑电信号通过统计变点算法对所述脑电信号进行分段处理得到所述分段脑电信号。
3.根据权利要求1所述的脑电爆发抑制模式的分析方法，其特征在于，所述根据相邻所述待检测分段脑电信号的所述绝对幅值均值判断是否符合预定合并条件还包括：
如果相邻所述待检测分段脑电信号的所述绝对幅值均值不符合所述预定合并条件，则将相邻所述待检测分段脑电信号合并作为分段脑电信号。
4.根据权利要求1所述的脑电爆发抑制模式的分析方法，其特征在于，所述根据所述绝对幅值均值通过所述分段脑电信号得到脑电抑制区间段和/或对应的脑电爆发区间段步骤后，所述方法还包括：
当得到所述脑电抑制区间段和对应的所述脑电爆发区间段时，根据所述脑电抑制区间段和对应的所述脑电爆发区间段的时间计算得到单次爆发时间比。
5.一种脑电爆发抑制模式的分析装置，其特征在于，所述装置包括：
获取模块，用于获取脑电信号；
分段模块，用于根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号；
计算模块，还用于根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值；
分析模块，用于根据所述绝对幅值均值通过所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段；
滤波模块，用于对所述脑电信号进行3.5-30Hz的滤波得到去除伪迹干扰的所述脑电信号；
所述据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号包括：
根据所述脑电信号通过统计变点算法进行分段得到待检测分段脑电信号；
根据所述待检测分段脑电信号计算所述待检测分段脑电信号的绝对幅值均值；
根据相邻所述待检测分段脑电信号的所述绝对幅值均值判断是否符合预定合并条件，
如果相邻所述待检测分段脑电信号的所述绝对幅值均值符合所述预定合并条件，则将相邻所述待检测分段脑电信号分别作为分段脑电信号。
6.根据权利要求5的所述脑电爆发抑制模式的分析装置，其特征在于，所述装置还包括：
所述分段模块，还用于对去除伪迹干扰的所述脑电信号通过统计变点算法对脑电信号进行分段处理得到所述分段脑电信号。
7.根据权利要求5的所述脑电爆发抑制模式的分析装置，其特征在于，
所述计算模块，还用于当得到所述脑电抑制区间段和对应的所述脑电爆发区间段时，根据所述脑电抑制区间段和对应的所述脑电爆发区间段的时间计算得到单次爆发时间比。
8.一种脑电爆发抑制模式的分析系统，其特征在于，所述系统包括：
采集装置，用于获取脑电信号；
处理器单元，根据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号；根据所述分段脑电信号计算所述分段电脑信号的绝对幅值均值；根据所述绝对幅值均值通过所述分段脑电信号分析得到脑电抑制区间段和/或对应的脑电爆发区间段；
显示器，用于显示所述脑电信号，以及所述脑电信号对应图像的上的所述脑电抑制区间段和/或对应的脑电爆发区间段；
所述处理器单元，还用于对所述脑电信号进行3.5-30Hz的滤波得到去除伪迹干扰的所述脑电信号；
所述据所述脑电信号通过统计变点算法进行分段处理得到分段脑电信号包括：
根据所述脑电信号通过统计变点算法进行分段得到待检测分段脑电信号；
根据所述待检测分段脑电信号计算所述待检测分段脑电信号的绝对幅值均值；
根据相邻所述待检测分段脑电信号的所述绝对幅值均值判断是否符合预定合并条件，
如果相邻所述待检测分段脑电信号的所述绝对幅值均值符合所述预定合并条件，则将相邻所述待检测分段脑电信号分别作为分段脑电信号。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至4任一项所述的脑电爆发抑制模式的分析方法的步骤。
CN202010498896.6A 2020-06-04 2020-06-04 一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质 Active CN111700610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010498896.6A CN111700610B (zh) 2020-06-04 2020-06-04 一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010498896.6A CN111700610B (zh) 2020-06-04 2020-06-04 一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质

Publications (2)

Publication Number Publication Date
CN111700610A CN111700610A (zh) 2020-09-25
CN111700610B true CN111700610B (zh) 2023-04-07

Family

ID=72539270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010498896.6A Active CN111700610B (zh) 2020-06-04 2020-06-04 一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质

Country Status (1)

Country Link
CN (1) CN111700610B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114246594B (zh) * 2021-12-17 2024-04-09 天津大学 脑电信号处理方法、背景脑电预测模型的训练方法及装置
CN114469138B (zh) * 2022-01-13 2024-04-19 博睿康医疗科技(上海)有限公司 基于时频域的脑电爆发抑制模式的检测方法、系统及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013104888A1 (en) * 2012-01-10 2013-07-18 The Secretary Of State For Defence Signature identification
CN104239739A (zh) * 2014-09-26 2014-12-24 华南理工大学 一种雷电流幅值概率分布函数的分段拟合方法与系统
CN104436597A (zh) * 2013-09-19 2015-03-25 卡西欧计算机株式会社 运动辅助装置以及运动辅助方法
CN109152555A (zh) * 2016-03-18 2019-01-04 哈佛大学校长及研究员协会 自动分类动物行为
CN109300544A (zh) * 2018-12-10 2019-02-01 南京伟思医疗科技股份有限公司 一种新生儿脑功能标准化七步分析方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7299088B1 (en) * 2002-06-02 2007-11-20 Nitish V Thakor Apparatus and methods for brain rhythm analysis
CN104207761B (zh) * 2013-06-03 2016-05-25 飞比特公司 心率数据收集
WO2014210527A1 (en) * 2013-06-28 2014-12-31 The General Hospital Corporation System and method to infer brain state during burst suppression
CN104545949A (zh) * 2014-09-29 2015-04-29 浙江普可医疗科技有限公司 一种基于脑电的麻醉深度监测方法
CN104720799A (zh) * 2015-04-03 2015-06-24 上海帝仪科技有限公司 基于低频脑电信号的疲劳检测方法及系统
CN105193409B (zh) * 2015-08-07 2018-01-16 深圳大学 一种脑电抑制水平评估方法及系统
CN109464142A (zh) * 2018-09-03 2019-03-15 曹君利 一种利用脑电信号计算爆发抑制潜伏期的方法以及预测爆发抑制率的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013104888A1 (en) * 2012-01-10 2013-07-18 The Secretary Of State For Defence Signature identification
CN104436597A (zh) * 2013-09-19 2015-03-25 卡西欧计算机株式会社 运动辅助装置以及运动辅助方法
CN104239739A (zh) * 2014-09-26 2014-12-24 华南理工大学 一种雷电流幅值概率分布函数的分段拟合方法与系统
CN109152555A (zh) * 2016-03-18 2019-01-04 哈佛大学校长及研究员协会 自动分类动物行为
CN109300544A (zh) * 2018-12-10 2019-02-01 南京伟思医疗科技股份有限公司 一种新生儿脑功能标准化七步分析方法

Also Published As

Publication number Publication date
CN111700610A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
Logesparan et al. Optimal features for online seizure detection
CN108652640B (zh) 一种基于心电信号的无创血糖检测方法及系统
CN105072988A (zh) 使用倒谱技术测量麻醉深度的方法和设备
CN111700610B (zh) 一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质
EP3692902A1 (en) Method for assessing electrocardiogram signal quality
CN112674776B (zh) 一种基于分段多项式拟合ecg信号的平滑滤波方法
CN112190268A (zh) 生理信号处理设备
Thuraisingham Revisiting ICEEMDAN and EEG rhythms
CN111920429B (zh) 精神压力检测方法、装置和电子设备
CN104515905B (zh) 基于cqt多分辨率的被试的脑电信号自适应频谱分析方法
CN114469138A (zh) 基于时频域的脑电爆发抑制模式的检测方法、系统及介质
Jin et al. Quantification of fragmented QRS complex using intrinsic time-scale decomposition
Xiong et al. Seizure detection algorithm based on fusion of spatio-temporal network constructed with dispersion index
Wu et al. Fast, accurate localization of epileptic seizure onset zones based on detection of high-frequency oscillations using improved wavelet transform and matching pursuit methods
CN114019236A (zh) 一种电网谐波单通道混叠目标信号检测方法和装置
CN115969398B (zh) 眨眼检测方法及装置
US20080281216A1 (en) Cardiac Arrhythmias Analysis of Electrophysiological Signals Based on Symbolic Dynamics
CN116098633A (zh) 一种意识障碍的微创介入脑机接口意念脑控系统
Kirlangic et al. Fractal dimension as a feature for adaptive electroencephalogram segmentation in epilepsy
CN108685561B (zh) 一种信号分析方法及装置
Zandi et al. Detection of epileptic seizures in scalp electroencephalogram: an automated real-time wavelet-based approach
CN110464345B (zh) 一种独立头部生物电源信号干扰剔除方法及系统
CN119326423A (zh) 一种在脑阻抗测量中实时判定信号质量的方法
CN117204863B (zh) 基于单通道脑电和加速度的睡眠状态分期方法及系统
CN115969393A (zh) 睡眠深度衡量指标的获取方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant