三、儿童脑电分析可视化系统平台
本项目基于上述成果积累，开发了儿童脑电分析可视化系统平台，包括基础服务模块与智能分析服务模块，开发的系统平台大大提高了临床诊断及科学研究效率。图1展示了系统平台框架。
图1 基础服务模块
提供了通用的处理脑电edf文件的相关方法，包括脑电数据的导入导出、脑电通道组合切换，常用滤波处理、频谱图和脑地形图的绘制以及事件标注与修改等功能。
图2 基础服务模块功能
在智能分析服务模块中可以实现典型癫痫综合征分类检测、伪迹检测、棘波检测、视频检测功能。具体功能如下：
a）癫痫综合征分类检测模块
基于上述的3D注意力残差深度网络儿童癫痫综合征智能分类算法和癫痫综合征分类和癫痫发作检测的双流多任务算法开发了癫痫综合征分类检测模块。该模块可以对良性癫痫伴中央颞区棘波(BECT)，儿童失神癫痫(CAE)，癫痫性脑病伴慢波睡眠期持续棘慢波(CSWS)，早期婴儿型癫痫性脑病(EIEE)，热性惊厥附加症(FS+)以及婴儿痉挛(WEST)这6类典型病症进行分类识别，并给出该检测时间段是处于发作状态还是发作间期的评估。同时还展示了检测的脑电信号在网络不同模块中特征图的可视化情况。
b）伪迹检测模块
基于上述深度模型融合的增强型脑电多伪影异常检测算法开发了伪迹检测模块。该模块可以检测出眨眼伪迹、咀嚼肌电伪迹、颞部肌电伪迹以及额部肌电伪迹。在检测前可查看检测所调用模型的性能情况。检测完成后会标注出相应的伪迹类型以及对应的位置。
c）棘波检测模块
基于上述多任务深度网络的睡眠中癫痫性电持续状态量化算法开发了棘波检测模块。该模块可以检测出棘慢波(SSW)，并提供检测时间段内的棘慢波指数(SWI)。在检测前可查看检测所调用模型的性能情况，以及标准的棘慢波案例，方便用户进行比较分析。
d）视频检测模块
基于上述YoloV5结合残差网络的视频检测算法开发了视频检测模块。该模块可以判断检测时间段内患者是处于癫痫发作状态还是发作间期。检测结果可以导出保存，方便用户进行后续处理。
图3 智能分析服务模块功能