脑电活动识别方法、装置、电子设备及介质

摘要

本申请公开了一种脑电活动识别方法、装置、电子设备及介质。本申请中，可以获取脑电图并进行预处理；检测预处理后的脑电图中的高频活动事件；若高频活动事件的数量不小于两个，则根据高频活动事件获取高频活动的初筛信号；根据高频活动的初筛信号计算得到各高频活动事件的时序关系。通过应用本申请的技术方案，可以自动检测用户的颅内脑电信号是否存高频活动事件，并通过提取各个高频活动事件的时序过程，确定其中最早产生高频活动的脑区来判断用户的状态类别。从而避免了相关技术中存在的针对颅内脑电图判读过程的费时耗力，以及后期处理技术的种类和数目局限的弊端。

说明书

技术领域

本申请中涉及数据处理技术，尤其是一种脑电活动识别方法、装置、电子设备及介质。

背景技术

脑电图是研究脑科学和脑疾病的一个重要的、不可替代的方法，包括头皮脑电图和颅内脑电图。通常，为了捕捉到有效信息，需要获取很长时间记录的脑电信号，然后依靠医生的人工目测分析进行脑电活动的识别。然而，高导联数、高采样率、长时程的脑电图判断过程复杂且任务繁重，不仅非常耗时，而且受限于医生的经验水平、知识积累和身体状态，准确率也难以保证。

发明内容

本申请实施例提供一种脑电活动识别方法、装置、电子设备及介质，其中，根据本申请实施例的一个方面，提供的一种脑电活动识别方法，其特征在于，包括：

获取脑电图并进行预处理；

检测所述预处理后的脑电图中的高频活动事件；

若所述高频活动事件的数量不小于两个，则根据所述高频活动事件获取高频活动的初筛信号；

根据所述高频活动的初筛信号计算得到各高频活动事件的时序关系。

进一步地，所述获取脑电图并进行预处理包括：

对所述脑电图进行重参考；

采用第一赫兹的陷波滤波器消除所述重参考后的脑电图的工频噪声干扰，得到第一处理后的脑电图；

采用第二赫兹的高通滤波器消除所述第一处理后的脑电图的基线漂移干扰，得到第二处理后的脑电图。

进一步地，所述检测所述预处理后的脑电图中的高频活动事件包括：

将所述第二处理后的脑电图切分为第一数量的片段脑电图；

对每个片段脑电图进行带通滤波，得到每个片段脑电图对应的带通信号；

把每个片段脑电图的带通信号切分成第二数量的子频带，并对每个子频带的信号进行频率归一化；

对经过频率归一化的子频带提取带通包络，得到每个子频带对应的带通包络值；

根据所述带通包络值确定高频活动事件。

进一步地，所述根据所述带通包络值确定高频活动事件包括：

若检测到带通包络值大于预设包络阈值的持续时间不小于放电时间阈值的子频带，则确定为一个高频活动事件；

若相邻两个高频活动事件的间隔时间小于第一时间段，则将所述两个高频活动事件合并计为一个高频活动事件。

进一步地，所述根据所述高频活动事件获取高频活动的初筛信号，包括：

统计每个导联中高频活动事件的数量；

选择所述高频活动事件的数量满足第一预设标准的导联作为高频活动导联；

将每个高频活动导联的脑电信号分别切分为第二数量的片段脑电信号；

计算每个片段脑电信号中的高频活动事件的数量；将数量满足第二预设标准的片段脑电信号进行合并，得到所述高频活动的初筛信号。

进一步地，所述根据所述高频活动的初筛信号计算得到各高频活动事件的时序关系，包括：

获取初筛信号的时频图，以及计算每个片段脑电信号的频谱质心；

确定每个频谱质心在对应时频图中的时间位置，作为对应片段脑电信号中每个导联的高频活动事件的生成时刻；

基于所述高频活动事件的生成时刻排序得到所述高频活动事件的时序关系。

进一步地，所述根据所述高频活动的初筛信号计算得到各高频活动事件的时序关系之后，还包括：

对每个片段脑电信号的所述高频活动事件进行聚类并显示。

其中，根据本申请实施例的又一个方面，提供的一种脑电活动识别装置，包括：

获取模块，被配置为获取脑电图并进行预处理；

检测模块，被配置为检测所述预处理后的脑电图中的高频活动事件；

生成模块，被配置为若所述高频活动事件的数量不小于两个，则根据所述高频活动事件获取高频活动的初筛信号；

计算模块，被配置为根据所述高频活动的初筛信号计算得到各高频活动事件的时序关系。

根据本申请实施例的又一个方面，提供的一种电子设备，包括：

存储器，用于存储可执行指令；以及

显示器，用于与所述存储器显示以执行所述可执行指令从而完成上述任一所述脑电活动识别方法的操作。

根据本申请实施例的还一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一所述脑电活动识别方法的操作。

通过应用本申请的技术方案，可以自动地检测用户的颅内脑电信号是否存在高频活动事件，并能够提取到各个高频活动事件的时序过程，以确定其中最早产生高频活动的脑区，从而大大提高了脑电图判读的效率和准确性。

下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本申请的实施例，并且连同描述一起用于解释本申请的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本申请，其中：

图1为本申请提出的一种脑电活动识别方法示意图；

图2为根据本申请一个实施例的高频活动的初筛信号的示意图；

图3为根据本申请一个实施例的初筛信号中频谱质心位置的示意图；

图4为根据本申请一个实施例的高频活动事件聚类后显示的示意图；

图5为本申请提出的一种脑电活动识别电子装置的结构示意图；

图6为本申请提出的一种脑电活动识别电子设备结构示意图。

具体实施方式

现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，不作为对本申请及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

另外，本申请各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。

需要说明的是，本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

下面结合图1-图2来描述根据本申请示例性实施方式的用于进行脑电活动识别方法。需要注意的是，下述应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此方面不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。

本申请还提出一种脑电活动识别方法、装置、目标终端及介质。

图1示意性地示出了根据本申请实施方式的一种脑电活动识别方法的流程示意图。如图1所示，该方法包括：

S101，获取脑电图并进行预处理。

首先，相关技术中脑电图是研究脑科学和脑疾病的一个重要的、不可替代的方法。例如，相关技术中可以根据脑电图来确定用户是否因为存在癫痫等问题而影响用户工作或生活状态的情况。

脑电图可以包括头皮脑电图和颅内脑电图，此处可选地为颅内脑电图。可以理解的，颅内脑电图可以精确地定位发作起源部位，并且可以在一定程度上确定发作扩散过程和范围。因此本申请可以选择获取待检测用户的一张或多张脑电图来作为对该脑电活动识别判断的依据。

其中，采用按照临床标准的脑电放大器采集用户的颅内脑电图(包括ECoG和SEEG)信号，采样率范围可以为2000Hz以上，导联数目范围可以为40～200导。监测时长可以为一天，也可以为一周以上。本申请对此不做限定。

进一步的，对脑电图进行的预处理包括：

对所述脑电图进行重参考；

采用第一赫兹的陷波滤波器消除所述重参考后的脑电图的工频噪声干扰，得到第一处理后的脑电图；

采用第二赫兹的高通滤波器消除所述第一处理后的脑电图的基线漂移干扰，得到第二处理后的脑电图。

S102，检测预处理后的脑电图中的高频活动事件。

具体包括：

将所述第二处理后的脑电图切分为第一数量的片段脑电图；

对每个片段脑电图进行带通滤波，得到每个片段脑电图对应的带通信号；

把每个片段脑电图的带通信号切分成第二数量的子频带，并对每个子频带的信号进行频率归一化；

对经过频率归一化的子频带进行提取带通包络处理，得到每个子频带对应的带通包络值；

根据所述带通包络值确定高频活动事件。

可选地，若检测到带通包络值大于预设包络阈值的持续时间不小于放电时间阈值的子频带，则确定为一个高频活动事件；否则不存在高频活动事件；

若相邻两个高频活动事件的间隔时间小于第一时间段，则将所述两个高频活动事件合并计为一个高频活动事件。

由此，本申请可以检测出该脑电图中是否包括反映为高频活动的脑电波(即高频活动事件)及其数量。

S103，若高频活动事件的数量不小于两个，则根据高频活动事件获取高频活动的初筛信号。

具体包括：

统计每个导联中高频活动事件的数量；

选择所述高频活动事件的数量满足第一预设标准的导联作为高频活动导联；

将每个高频活动导联的脑电信号分别切分为第二数量的片段脑电信号；

计算每个片段脑电信号中的高频活动事件的数量；将数量满足第二预设标准的片段脑电信号进行合并，得到所述高频活动的初筛信号。

S104，根据高频活动的初筛信号计算得到各高频活动事件的时序关系。

具体包括：

获取初筛信号的时频图，以及计算每个片段脑电信号的频谱质心；

确定每个频谱质心在对应时频图中的时间位置，作为对应片段脑电信号中每个导联的高频活动事件的生成时刻；

基于所述高频活动事件的生成时刻排序得到所述高频活动事件的时序关系。

可选的，本申请还可以在检测到该脑电波图中存在有多处位置放电(即高频活动事件)的情况时，获取各个放电位置的时间点并排序得到出现时间最早的放电位置，从而确定待检测用户的脑区状态。

进一步地，在计算得到各高频活动事件的时序关系之后，还对每个片段脑电信号的所述高频活动事件进行聚类并显示。

本申请中，通过应用本申请的技术方案，可以自动地检测用户的颅内脑电信号是否存在高频活动事件，并能够提取到各个高频活动事件的时序过程，以确定其中最早产生高频活动的脑区，从而大大提高了脑电图判读的效率和准确性。

下面结合图2-4，以颅内脑电图为例阐述根据本申请一个实施例的脑电活动识别方法。

首先，采集颅内脑电图并进行预处理。

所述预处理具体包括重参考、去除工频和去漂移处理。所述重参考包括单一电极重参考(monopolar rereference)、双极冲参考(bipolar rereference)、拉普拉斯重参考(laplacian rereference)或全局重参考(common average rereference)等重参考方法。所述去除工频处理可以采用50Hz和/或50Hz的倍数(即第一赫兹)的陷波滤波器来消除工频噪声干扰，得到去除工频噪声之后的第一处理后的脑电图。所述去漂移处理可以采用不大于1.6Hz(通常为0.1Hz、0.5Hz、0.53Hz、1Hz、1.6Hz等，即第二赫兹)的高通滤波器解决去工频后的颅内脑电图信号中的基线漂移现象，得到第二处理后的脑电图。

然后，确定第二处理后的脑电图中是否存在高频活动事件，包括：

将第二处理后的脑电图切分为多个片段脑电图，每个片段脑电图对应短时时间片段的脑电图。时间片段的长度可以基于执行处理的计算机的内存限制确定，例如为200秒，由此可以降低对计算机内存的要求。

使用三阶的FIR(有限冲激响应)滤波器对每个片段脑电图进行带通滤波，得到每个片段脑电图对应的带通信号。带通滤波器的频率下限通常在60-80Hz，频率上限在250-500Hz。

把每个片段脑电图的带通信号切分成第二数量的子频带，每个子频带范围例如为20Hz，并对每个子频带的信号进行频率归一化，得到每个片段脑电图的归一化频率信号。归一化公式如下：

其中，表示x

对经过频率归一化的子频带提取带通包络，得到每个子频带对应的带通包络值。其中对于宽带信号可以采用平滑的方法，而对于窄带信号则可以用希尔伯特变换。希尔伯特变换的公式如下：

其中，x(t)表示带通滤波后的颅内脑电信号，t表示时间采样点，经过希尔伯特变换得到脑电信号的带通包络值

根据所述带通包络值确定高频活动事件。高频活动事件的检测标准为：a)带通包络值超过包络阈值Threshold

ThrgShold

如果检测的高频活动事件的数目大于2，则获取高频活动的初筛信号，具体包括：

统计每个导联中高频活动事件的数量，选择所述高频活动事件的数量满足第一预设标准的导联作为高频活动导联。所述第一预设标准例如为：高频活动事件数量由大到小排名靠前50％。

将每个高频活动导联的脑电信号分别切分为第二数量的片段脑电信号，所述片段脑电信号为短时时间窗对应的脑电信号，所述短时时间窗例如为300ms-2s。

计算每个片段脑电信号中的高频活动事件的数量，将数量满足第二预设标准的片段脑电信号进行合并，得到所述高频活动的初筛信号。所述第二预设标准例如为：高频活动事件的数量由大到小排名靠前70％。

由此，提取高频活动导联的高频活动短时时间窗的颅内脑电的带通信号，把信号拼接在一块，得到如图2所示的高频活动的初筛信号。

最后，根据高频活动的初筛信号计算得到各高频活动事件的时序关系，包括：

获取每个初筛信号的时频图，以及计算每个片段脑电信号的频谱质心；

确定每个频谱质心在对应时频图中的时间位置，作为对应片段脑电信号中每个导联的高频活动事件的生成时刻；

基于所述高频活动事件的生成时刻排序得到所述高频活动事件的时序关系。

获取每个初筛信号的时频图的方式如下：首先将每个高频活动脑电波的初筛信号进行时频分解(例如可以采用小波变换、短时傅里叶变换等方法，对于短时傅里叶变换，一个参考设置为汉明窗，区块大小为0.05倍的采样率，重叠大小为80％的区块大小，傅里叶变换的点数与区块大小相同，都为0.05倍的采样率。

对将短时傅里叶变换之后得到的时频图做归一化，归一化公式如下：

其中，x

另外，本申请还可以对归一化之后的时频图进行高斯平滑，得到平滑之后的时频图。并可以进一步的选定频率范围(例如可以为30～300Hz)，从而得到高频活动的时频图。

本申请根据下述公式得到频谱质心：

其中w表示频率，STFT为短时傅里叶变换(Short Time Fourier Transform,STFT)，STFT(n,w)表示采样点n处的傅里叶变换；

其中，

傅里叶变换的本质是内积，可以理解为x(n)在e

如图3所示，频谱质心在对应时频图中的时间位置代表在短时时间窗内每个高频活动事件的生成时刻。并对每个高频活动脑电波的生成时刻进行排序，从而确定各高频活动脑电波的时序关系。

可以进一步对每个短时时间窗的高频活动时序进行聚类分析并显示。聚到同一类的高频活动时序代表着高频活动的相似度较高，即意味着同一种刻板时序，如图4所示。

可选地，在基于本申请上述方法的另一个实施例中，根据高频活动的初筛信号计算得到各高频活动事件的时序关系之后，包括：

根据生成时刻最早的高频活动事件对应的电极或电极群，确定对应的脑区状态为最早发生高频活动的脑区。

进一步可以根据脑区状态确定被检测用户的状态类别。

可选的，本申请在确定脑电波图中存在出现多处(至少两处)位置放电(即对应于高频活动脑电波)的情况时，获取各个位置放电的时间点，并将其中出现时间最早的放电位置(即第一高频活动脑电波对于的脑部区域)标注出来，并作为待检测用户的脑区状态，以此判断用户的状态类别。

本申请中，可以获取脑电图并进行预处理；检测预处理后的脑电图中高频活动事件的数量；若高频活动事件的数量不小于两个，则根据高频活动事件获取高频活动的初筛信号；根据高频活动的初筛信号计算得到各高频活动事件的时序关系。通过应用本申请的技术方案，可以自动检测用户的颅内脑电信号是否存高频活动事件，并通过提取各个高频活动事件的时序过程，确定其中最早产生高频活动的脑区来判断用户的状态类别。从而避免了相关技术中存在的针对颅内脑电图判读过程的费时耗力，以及后期处理技术的种类和数目局限的弊端。

在本申请的另外一种实施方式中，如图5所示，本申请还提供一种脑电活动识别装置。其中，包括获取模块201，检测模块202，生成模块203，计算模块204，其中，

获取模块201，被配置为获取脑电图并进行预处理；

检测模块202，被配置为检测所述预处理后的脑电图中的高频活动事件；

生成模块203，被配置为若所述高频活动事件的数量不小于两个，则根据所述高频活动事件获取高频活动的初筛信号；

计算模块204，被配置为根据所述高频活动的初筛信号计算得到各高频活动事件的时序关系。

本申请中，可以获取脑电图并进行预处理；检测预处理后的脑电图中高频活动事件的数量；若高频活动事件的数量不小于两个，则根据高频活动事件获取高频活动的初筛信号；根据高频活动的初筛信号计算得到各高频活动事件的时序关系。通过应用本申请的技术方案，可以自动检测用户的颅内脑电信号是否存高频活动事件，并通过提取各个高频活动事件的时序过程，确定其中最早产生高频活动的脑区来判断用户的状态类别。从而避免了相关技术中存在的针对颅内脑电图判读过程的费时耗力，以及后期处理技术的种类和数目局限的弊端。

图6是根据一示例性实施例示出的一种电子设备的逻辑结构框图。例如，电子设备300可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器，上述指令可由电子设备处理器执行以完成上述脑电活动识别方法，该方法包括：获取脑电图并进行预处理；检测所述预处理后的脑电图中高频活动事件的数量；若所述高频活动事件的数量不小于两个，则根据所述高频活动事件获取高频活动的初筛信号；根据所述高频活动的初筛信号计算得到各高频活动事件的时序关系。可选地，上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种应用程序/计算机程序产品，包括一条或多条指令，该一条或多条指令可以由电子设备的处理器执行，以完成上述脑电活动识别方法，该方法包括：获取脑电图并进行预处理；检测所述预处理后的脑电图中高频活动事件的数量；若所述高频活动事件的数量不小于两个，则根据所述高频活动事件获取高频活动的初筛信号；根据所述高频活动的初筛信号计算得到各高频活动事件的时序关系。可选地，上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。

本领域技术人员可以理解，示意图6仅仅是计算机设备30的示例，并不构成对计算机设备300的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备30还可以包括输入输出设备、网络接入设备、总线等。

所称处理器302可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等，处理器302是计算机设备30的控制中心，利用各种接口和线路连接整个计算机设备30的各个部分。

存储器301可用于存储计算机可读指令303，处理器302通过运行或执行存储在存储器301内的计算机可读指令或模块，以及调用存储在存储器301内的数据，实现计算机设备30的各种功能。存储器301可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备30的使用所创建的数据等。此外，存储器301可以包括硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)或其他非易失性/易失性存储器件。

计算机设备300集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。