本發(fā)明涉及信號(hào)處理與神經(jīng)工程領(lǐng)域，特別是一種癲癇腦電信號(hào)檢測(cè)與識(shí)別方法。

背景技術(shù)：

全世界大約5千多萬(wàn)人患有癲癇。癲癇是由于大腦神經(jīng)元異常放電，波及某些大腦功能區(qū)，造成大腦神經(jīng)紊亂的一種疾病。腦電圖(eeg)是記錄大腦放電行為的一種有效方式，也是臨床檢測(cè)和診斷癲癇發(fā)作的一種方式?；趀eg的癲癇的自動(dòng)檢測(cè)不僅對(duì)臨床分析癲癇等神經(jīng)疾病具有重要價(jià)值，而且是預(yù)報(bào)癲癇發(fā)作的一種有效途徑。專利“一種面向癲癇腦電信號(hào)遷移環(huán)境的自適應(yīng)識(shí)別方法”，專利“面向癲癇腦電信號(hào)的特征提取與自動(dòng)識(shí)別方法”，“一種癲癇發(fā)作預(yù)警系統(tǒng)”。在癲癇eeg檢測(cè)與識(shí)別中都需要處理多通道的數(shù)據(jù)。開(kāi)發(fā)一種利用少量電極(通道)檢測(cè)癲癇eeg不僅可降低檢測(cè)時(shí)間，而且可以降低系統(tǒng)功耗。本發(fā)明公開(kāi)了一種基于稀疏共同空間模式的癲癇eeg自動(dòng)檢測(cè)的通道優(yōu)化方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種癲癇eeg自動(dòng)檢測(cè)的通道優(yōu)化方法。

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種癲癇eeg自動(dòng)檢測(cè)的通道優(yōu)化方法，包括：生成空域?yàn)V波器，且通過(guò)空域?yàn)V波器對(duì)電極產(chǎn)生的數(shù)據(jù)通道進(jìn)行優(yōu)化。

進(jìn)一步，生成空域?yàn)V波器的方法包括：

將空域?yàn)V波器的稀疏度作為優(yōu)化目標(biāo)，去除不相關(guān)或是受噪聲干擾較大的數(shù)據(jù)通道；其中

所述稀疏度由其系數(shù)向量的l0范數(shù)衡量。

進(jìn)一步，所述生成空域?yàn)V波器的方法還包括：

構(gòu)建初始模型，即

其中，n為eeg信號(hào)通道數(shù)，c1與c2分別表示兩類信號(hào)的協(xié)方差矩陣；τ是一個(gè)預(yù)先設(shè)置的閾值，用于調(diào)節(jié)不同類別信號(hào)的平均功率比值；

并且tr(w^tcw)＝tr(cww^t)(6)

引入矩陣w＝ww^t，則公式(5)改寫為

w＝ww^t(7)

其中，||w||0,1定義為

上式中，ia(x)為示性函數(shù)；

由于第二個(gè)約束條件w＝ww^t，并且w是一個(gè)半正定矩陣，進(jìn)一步將約束條件w＝ww^t松弛為半正定約束條件w≥0；以及

利用l1范數(shù)代替目標(biāo)函數(shù)中的l0范數(shù)，從而獲得以下模型：

w≥0

tr(w)＝1(10)

其中

上式中，wi,:表示w的第i行；

求解公式(10)可以獲得空域?yàn)V波器系數(shù)向量w1；以及

將公式(10)中的第一個(gè)約束條件改為則可獲得另一空域?yàn)V波器系數(shù)向量w2。

進(jìn)一步，所述閾值τ與算法分類精度相關(guān)；即

在使用時(shí)，首先獲得或其中wcsp表示預(yù)先獲得的空域?yàn)V波器系數(shù)；

將公式(10)中的門限值τ記為τsdp-csp，且將門限值設(shè)置為τsdp-csp＝ρ·τcsp，ρ∈(0,1)。

進(jìn)一步，數(shù)據(jù)通道進(jìn)行優(yōu)化的方法包括：

將濾波器系數(shù)向量w1或?yàn)V波器系數(shù)向量w2內(nèi)幅度值小于所有元素中最大幅度0.1％的系數(shù)置為零；即

當(dāng)濾波器系數(shù)向量w1與濾波器系數(shù)向量w2對(duì)應(yīng)元素都已置零時(shí)，該元素所對(duì)應(yīng)的通道被徹底舍棄。

本發(fā)明的有益效果是，本發(fā)明的癲癇eeg自動(dòng)檢測(cè)的通道優(yōu)化方法通過(guò)選取少量的有效信號(hào)采集通道，并獲取各個(gè)通道對(duì)應(yīng)的空域?yàn)V波器，一旦確定所選通道，后續(xù)則只需要利用數(shù)量較少的有效通道上的eeg信號(hào)完成分類任務(wù)。

附圖說(shuō)明

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說(shuō)明。

圖1是本發(fā)明的通道選擇示意圖；

圖2是本發(fā)明的通道優(yōu)化方法的流程圖。

具體實(shí)施方式

現(xiàn)在結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。這些附圖均為簡(jiǎn)化的示意圖，僅以示意方式說(shuō)明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。

傳統(tǒng)的csp算法尋找一組使得兩類信號(hào)平均功率差距最大的空域?yàn)V波器，可以表述為

其中，n為eeg信號(hào)通道數(shù)，c1與c2分別表示兩類信號(hào)的協(xié)方差矩陣

其中，x為第一類或第二類eeg信號(hào)。上式中的協(xié)方差矩陣具有半正定特性。

w^tc1w＝λ¹

w^tc2w＝λ²

λ¹+λ²＝i(3)

其中，w由協(xié)方差矩陣c1與c2的廣義特征向量wj組成，即w＝[w1,w2,…..,wj]，用于同時(shí)對(duì)角化c1與c2，λⁱ＝diag(λ1ⁱ,…λjⁱ)為對(duì)角矩陣，包含ci的特征值λjⁱ(i＝1,2，j＝1,2,......,n)。利用公式(3)，csp問(wèn)題可以轉(zhuǎn)化為以下優(yōu)化問(wèn)題

根據(jù)公式(3)中λ¹+λ²＝i可知c1與c2中wj對(duì)應(yīng)的特征值λj¹+λj²＝1，此外由于c1和c2均為半正定矩陣，所以λjⁱ≥0。因此，λj¹越大，λj²就越小，同時(shí)λj¹/λj²也隨之增大，所以最大特征值λj¹對(duì)應(yīng)的特征向量就是公式(1)的解。

在傳統(tǒng)csp算法的基礎(chǔ)上，本發(fā)明提供了一種癲癇eeg自動(dòng)檢測(cè)的通道優(yōu)化方法，包括：

生成空域?yàn)V波器，且通過(guò)空域?yàn)V波器對(duì)電極產(chǎn)生的數(shù)據(jù)通道進(jìn)行優(yōu)化。

具體的，生成空域?yàn)V波器的方法包括：

將空域?yàn)V波器的稀疏度作為優(yōu)化目標(biāo)，去除不相關(guān)或是受噪聲干擾較大的數(shù)據(jù)通道；其中

所述稀疏度由其系數(shù)向量的l0范數(shù)衡量。

所述生成空域?yàn)V波器的方法還包括：

構(gòu)建初始模型，即

其中，n為eeg信號(hào)通道數(shù)，c1與c2分別表示兩類信號(hào)的協(xié)方差矩陣；τ是一個(gè)預(yù)先設(shè)置的閾值，用于調(diào)節(jié)不同類別信號(hào)的平均功率比值；

并且tr(w^tcw)＝tr(cww^t)(6)

引入矩陣w＝ww^t，則公式(5)改寫為

w＝ww^t(7)

其中，||w||0,1定義為

上式中，ia(x)為示性函數(shù)；

由于第二個(gè)約束條件w＝ww^t，公式(7)仍然為一個(gè)非凸優(yōu)化問(wèn)題，并且w是一個(gè)半正定矩陣，進(jìn)一步將約束條件w＝ww^t松弛為半正定約束條件w≥0；以及利用l1范數(shù)代替目標(biāo)函數(shù)中的l0范數(shù)，從而獲得以下模型：

w≥0

tr(w)＝1(10)

其中

上式中，wi,:表示w的第i行；

公式(10)中附加了約束條件tr(w)＝1，用于消除w由于縮放所帶來(lái)的不確定性；公式(10)是一個(gè)半定規(guī)劃(semi-definiteprogramming，sdp)問(wèn)題，因此將其本優(yōu)化方法所涉及的算法簡(jiǎn)寫為sdp-csp；求解公式(10)可以獲得空域?yàn)V波器系數(shù)向量w1；若將公式(10)中的第一個(gè)約束條件改為則可獲得另一空域?yàn)V波器系數(shù)向量w2。

進(jìn)一步，所述閾值τ與算法分類精度相關(guān)；即

在使用時(shí)，首先獲得或其中wcsp表示預(yù)先獲得的空域?yàn)V波器系數(shù)；為了清晰起見(jiàn)，將公式(10)中的門限值τ記為τsdp-csp，且將門限值設(shè)置為τsdp-csp＝ρ·τcsp，ρ∈(0,1)。

如圖2所示，數(shù)據(jù)通道進(jìn)行優(yōu)化的方法包括：

由于l1范數(shù)的作用，w1和w2中包含許多幅度極小的元素，將這些濾波器系數(shù)置零，從而可以獲得兩組稀疏濾波器；將濾波器系數(shù)向量w1或?yàn)V波器系數(shù)向量w2內(nèi)幅度值小于所有元素中最大幅度0.1％的系數(shù)置為零；即當(dāng)濾波器系數(shù)向量w1與濾波器系數(shù)向量w2對(duì)應(yīng)元素都已置零時(shí)，該元素所對(duì)應(yīng)的通道被徹底舍棄。

如圖2所示，利用訓(xùn)練數(shù)據(jù)，選取少量的有效信號(hào)采集通道，并獲取各個(gè)通道對(duì)應(yīng)的空域?yàn)V波器，一旦確定所選通道，后續(xù)則只需要利用數(shù)量較少的有效通道上的eeg信號(hào)完成分類任務(wù)。

以上述依據(jù)本發(fā)明的理想實(shí)施例為啟示，通過(guò)上述的說(shuō)明內(nèi)容，相關(guān)工作人員完全可以在不偏離本項(xiàng)發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項(xiàng)發(fā)明的技術(shù)性范圍并不局限于說(shuō)明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來(lái)確定其技術(shù)性范圍。