一种振幅整合脑电图结果自动识别系统及方法

摘要

本发明公开了一种振幅整合脑电图结果自动识别系统及方法；包括自定义模块用于定义现有的典型的疾病，数据存储模块用于存储相应的疾病资料，输入模块用于将要诊断的脑电图资料输入，数据获取模块用于获取输入模块输入的资料，分析比对模块用于对患者的资料进行诊断，诊断出患者振幅整合脑电图与哪种疾病的相匹配，如果与所有的数据库都不匹配，那么只输出波形异常的诊断报告，并将结果输送给输出单元。它能够自行识别振幅整合脑电图并且给出诊断结果，减少了临床医师的工作任务，提高了诊治效率。

说明书

技术领域

本发明涉及一种振幅整合脑电图结果自动识别系统及方法。

背景技术

床旁振幅整合脑电图(简写aEEG)是脑电图连续记录的简化形式，表示脑细胞功能监护的输出结果，目前在临床工作中，用于反映脑功能的状况，现已逐渐成为神经电生理学的关注热点，同时成为广大新生儿科、神经内科等医师用于评估脑细胞功能情况的客观标准。与常规脑电图(EEG)相比，aEEG对于脑损伤的早期诊断及预后判断敏感性更高，同时无创、直接、敏感、易操作、振幅高、可长时间记录、图形直观、在床边操作不耽误重症患儿抢救治疗、不易被生物或非生物的伪迹干扰，更便于临床应用与分析。

由于记录时间长，波形多，故结果读取耗时长，目前此项工作由临床医师完成，在繁忙的临床工作的同时，必须加班将结果读取后递交病人的主管医生，这显而易见加重了其工作的负担，瓜分了他可以观察患儿病情的时间及休息时间，非常不利于临床医生的工作。

发明内容

本发明的目的就是为了解决上述问题，提供一种振幅整合脑电图结果自动识别系统及方法，它能够自行识别振幅整合脑电图并且给出诊断结果，减少了临床医师的工作任务，提高了诊治效率。

为了实现上述目的，本发明采用如下技术方案：

一种振幅整合脑电图结果自动识别系统，包括：

自定义模块，用于自定义输入正常振幅整合脑电图波形的上下边界值，以及典型患者的振幅整合脑电图波形图；

数据存储模块，包括正常边界数据库、新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库以及大田园综合征数据库，这些数据库供分析比对模块调用；正常边界数据库用于存储自定义模块输入的正常振幅整合脑电图波形的上下边界值；

输入模块，用于输入患者的振幅整合脑电图波形；

数据获取模块，用于接收输入的患者的振幅整合脑电图波形，并输送给分析比对模块；

分析比对模块，首先提取患者的振幅整合脑电图波形的上下边界并与正常边界数据库中的边界进行比对，如果不超出该边界值则生成正常的诊断报告；如果超出该边界值则与数据存储模块存储中的其他数据库进行一一识别，诊断出患者振幅整合脑电图与哪种疾病的相匹配，如果与所有的数据库都不匹配，那么只输出波形异常的诊断报告，并将结果输送给输出单元；

输出单元，用于接收分析比对模块的诊断结果并通过显示设备进行显示。

所述波形异常包括由于重症监护室电波干扰、电极脱落或电极错位因素造成的异常波形，以及除新生儿癫痫、新生儿缺氧缺血性脑病、婴儿痉挛症及大田园综合征这些疾病外的振幅整合脑电图。

所述输入模块包括扫描仪和自定义输入模块，所述扫描仪用于扫描患者的振幅整合脑电图波形图，将扫描结果通过数据存储模块输送给分析比对模块，所述自定义输入模块由医生将患者的振幅整合脑电图波形图的特征数据输入，并也通过数据存储模块输送给分析比对模块。

所述分析比对模块，对新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库以及大田园综合征数据库内所有的波形图分别进行两级一维小波变换，降低分解后图像子带的分辨率，利用PCA方法获取图像的特征值；

将获得的特征值作为受限玻尔兹曼机的输入层，利用新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库、大田园综合征数据库以及异常波形数据库内的多张波形图对受限玻尔兹曼机进行训练，得到训练后的新生儿癫痫波形特征数据、新生儿缺氧缺血性脑病特征数据、婴儿痉挛症特征数据、大田园综合征特征数据以及异常波形特征数据；

对于超出正常振幅整合脑电图波形的上下边界值的患者的振幅整合脑电图波形图输入受限玻尔兹曼机进行测试得到测试结果，对于不能识别的振幅整合脑电图诊断为异常波形。

一种振幅整合脑电图结果自动识别方法，包括：

自定义输入正常振幅整合脑电图波形的上下边界值，以及典型患者的振幅整合脑电图波形图；

将数据或波形相应的存储到正常边界数据库、新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库以及大田园综合征数据库，这些数据库供下一步的分析调用；自定义输入的正常振幅整合脑电图波形的上下边界值存储到正常边界数据库；

输入患者的振幅整合脑电图波形；

接收输入的患者的振幅整合脑电图波形；

首先提取患者的振幅整合脑电图波形的上下边界并与正常边界数据库中的边界进行比对，如果不超出该边界值则生成正常的诊断报告；如果超出该边界值则与其他数据库进行一一识别，诊断出患者振幅整合脑电图与哪种疾病的相匹配，如果与所有的数据库都不匹配，那么只输出波形异常的诊断报告，并将诊断报告输出；

接收诊断报告并通过显示设备进行显示。

患者的振幅整合脑电图波形的上下边界超出该边界值时与其他数据库进行一一识别的方法为：对新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库以及大田园综合征数据库内所有的波形图分别进行两级一维小波变换，降低分解后图像子带的分辨率，利用PCA方法获取图像的特征值；

将获得的特征值作为受限玻尔兹曼机的输入层，利用新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库、大田园综合征数据库以及异常波形数据库内的多张波形图对受限玻尔兹曼机进行训练，得到训练后的新生儿癫痫波形特征数据、新生儿缺氧缺血性脑病特征数据、婴儿痉挛症特征数据、大田园综合征特征数据以及异常波形特征数据；

对于超出正常振幅整合脑电图波形的上下边界值的患者的振幅整合脑电图波形图输入受限玻尔兹曼机进行测试得到测试结果，对于不能识别的振幅整合脑电图诊断为异常波形。

本发明的有益效果：

可以在床旁振幅整合脑电图做完以后立即自动分析并打印病人报告，这样可以解放医生，节约出来的劳动力可以去门诊或急诊看病人，从而在一定程度上解决群众突出反映的关于3分钟就诊时间的矛盾，医生多了，每个医师看的病人可以相对少一些，那么每个病人将获得相对长一些的就医时间，病人的满意度可得到一定程度的提升，最终缓解医患矛盾，长期以往将减少伤医杀医的恶劣事件的发生频率。

通过受限玻尔兹曼机对常见的脑病的振幅整合脑电图进行训练，利用受限玻尔兹曼机对患者的振幅整合脑电图进行测试识别诊断出常见的病，将不能识别的振幅整合脑电图诊断为异常波形，医生只对这些异常波形进行仔细读取即可，大大降低了医生的任务量。

附图说明

图1为本发明的结构示意图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

如图1所示，一种振幅整合脑电图结果自动识别系统，包括：

自定义模块，用于自定义输入正常振幅整合脑电图波形的上下边界值，以及典型患者的振幅整合脑电图波形图；典型患者的振幅整合脑电图波形图也可以通过扫描仪将典型的波形图输入；

数据存储模块，包括正常边界数据库、新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库以及大田园综合征数据库，这些数据库供分析比对模块调用；正常边界数据库用于存储自定义模块输入的正常振幅整合脑电图波形的上下边界值；

输入模块，用于输入患者的振幅整合脑电图波形；

数据获取模块，用于接收输入的患者的振幅整合脑电图波形，并输送给分析比对模块；

分析比对模块，首先提取患者的振幅整合脑电图波形的上下边界并与正常边界数据库中的边界进行比对，如果不超出该边界值则生成正常的诊断报告；如果超出该边界值则与数据存储模块存储中的其他数据库进行一一识别，诊断出患者振幅整合脑电图与哪种疾病的相匹配，如果与所有的数据库都不匹配，那么只输出波形异常的诊断报告，并将结果输送给输出单元；

输出单元，用于接收分析比对模块的诊断结果并通过显示设备进行显示。

所述波形异常包括由于重症监护室严重电波干扰、电极脱落或电极错位因素造成的异常波形，以及除新生儿癫痫、新生儿缺氧缺血性脑病、婴儿痉挛症及大田园综合征这些疾病外的振幅整合脑电图。

所述输入模块包括扫描仪和自定义输入模块，所述扫描仪用于扫描患者的振幅整合脑电图波形图，将扫描结果通过数据存储模块输送给分析比对模块，所述自定义输入模块由医生将患者的振幅整合脑电图波形图的特征数据输入，并也通过数据存储模块输送给分析比对模块。

所述分析比对模块，对新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库以及大田园综合征数据库内所有的波形图分别进行两级一维小波变换，降低分解后图像子带的分辨率，利用PCA方法获取图像的特征值；

将获得的特征值作为受限玻尔兹曼机的输入层，利用新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库、大田园综合征数据库以及异常波形数据库内的多张波形图对受限玻尔兹曼机进行训练，得到训练后的新生儿癫痫波形特征数据、新生儿缺氧缺血性脑病特征数据、婴儿痉挛症特征数据、大田园综合征特征数据以及异常波形特征数据；

对于超出正常振幅整合脑电图波形的上下边界值的患者的振幅整合脑电图波形图输入受限玻尔兹曼机进行测试得到测试结果，该测试结果包括诊断为新生儿癫痫、新生儿缺氧缺血性脑病、婴儿痉挛症或大田园综合征，对于不能识别的振幅整合脑电图诊断为异常波形。

诊断出的结果都由显示设备进行显示，医生在看到诊断结果后对于异常波形可以更详细的进行分析，而对于已经诊断为新生儿癫痫、新生儿缺氧缺血性脑病、婴儿痉挛症或大田园综合征的可以再确认一下诊断的是否正确。

一种振幅整合脑电图结果自动识别方法，包括：

自定义输入正常振幅整合脑电图波形的上下边界值，以及典型患者的振幅整合脑电图波形图；

将数据或波形相应的存储到正常边界数据库、新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库以及大田园综合征数据库，这些数据库供下一步的分析调用；自定义输入的正常振幅整合脑电图波形的上下边界值存储到正常边界数据库；

输入患者的振幅整合脑电图波形；

接收输入的患者的振幅整合脑电图波形；

首先提取患者的振幅整合脑电图波形的上下边界并与正常边界数据库中的边界进行比对，如果不超出该边界值则生成正常的诊断报告；如果超出该边界值则与其他数据库进行一一识别，诊断出患者振幅整合脑电图与哪种疾病的相匹配，如果与所有的数据库都不匹配，那么只输出波形异常的诊断报告，并将诊断报告输出；

接收诊断报告并通过显示设备进行显示。

患者的振幅整合脑电图波形的上下边界超出该边界值时与其他数据库进行一一识别的方法为：对新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库以及大田园综合征数据库内所有的波形图分别进行两级一维小波变换，降低分解后图像子带的分辨率，利用PCA方法获取图像的特征值；

将获得的特征值作为受限玻尔兹曼机的输入层，利用新生儿癫痫波形数据库、新生儿缺氧缺血性脑病数据库、婴儿痉挛症数据库、大田园综合征数据库以及异常波形数据库内的多张波形图对受限玻尔兹曼机进行训练，得到训练后的新生儿癫痫波形特征数据、新生儿缺氧缺血性脑病特征数据、婴儿痉挛症特征数据、大田园综合征特征数据以及异常波形特征数据；

对于超出正常振幅整合脑电图波形的上下边界值的患者的振幅整合脑电图波形图输入受限玻尔兹曼机进行测试得到测试结果，对于不能识别的振幅整合脑电图诊断为异常波形。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。