一种用于癫痫发作时间段的自动检测系统及方法

摘要

一种用于癫痫发作时间段的自动检测系统及方法，包括，脑电信号采集模块A、信息流网络构建模块B、流出信息提取模块C和分类识别模块D四个模板，基于这四个模块先采集癫痫患者的发作间期和发作期的多通道脑电信号，并对其中的电极从1到N编号；再对脑电信号按时间长度划分移动窗并建立MVAR模型及计算各通道之间PDC强度和方向；然后根据所得的PDC值计算每个通道的流出信息强度；最后结合交叉验证以流出信息强度为特征值使用支持向量机进行识别分类：本发明使用PDC提取的流出信息强度能够较好的反映癫痫发作时间段的生理变化情况，具有明确的临床解释，以此作为特征值结合SVM分类检测癫痫发作时间段具有较高的正确率和灵敏度。

主权项

一种用于癫痫发作时间段的自动检测系统，其特征在于，包括四个模板，脑电信号采集模块(A)：用于采集癫痫患者的发作间期和发作期的多通道脑电信号，并对其中的电极从1到N编号，其中N为总的电极数；信息流网络构建模块(B)：用于对脑电信号划分移动窗并建立MVAR模型及计算各通道之间PDC强度和方向：对所采集的多通道脑电数据按时间长度划分移动窗片段；对每个移动窗，根据赤池信息量准则即AIC准则确定多变量自回归MVAR模型的阶数，建立MVAR模型；根据移动窗的MVAR模型系数计算各个通道之间的部分有向相干PDC值，求出各个通道间的PDC强度及方向；流出信息提取模块(C)：根据所得的PDC值计算每个通道的流出信息强度：将同一对通道之间各频率下的PDC值平方求和，即为这对通道之间的信息流强度；将自身到自身通道的信息流强度置为零；根据置零后PDC矩阵计算各个通道的流出信息强度；分类识别模块(D)：用于结合交叉验证以流出信息强度为特征值使用支持向量机进行识别分类：将所有通道的流出信息强度作为特征值输入到支持向量机SVM进行模式识别分类，使用k重交叉验证，同时进行样本内优化和样本外测试，SVM的二分类结果即为癫痫发作时间段的检测结果。