二、核心内容：
（2）棘波分析
棘波作为一种常见的癫痫生物标志物，在辅助诊断和癫痫预测中有着广泛的应用。棘波持续时长的范围在 20-70ms，多数波幅大于100μV，波形尖锐且突出于背景活动。绝大多数病理性棘波的主要成分为负相，可能夹杂少量正相成分，呈现正负或负正双相的形式，其上升段陡峭，下降段较上升段略缓，降至零基准线一下后逐步回零。正相棘波较为少见，且头皮电极所记录到的正相棘波基本都不是病理性的脑波，没有明确的临床意义。尖波的形成机制与棘波相同，因此波形也基本类似，仅在持续时长上有所区别，其范围在 70-200ms 内。经研究和实验表明，影响尖棘波放电时长不同主要是神经元群超同步放电时同步化程度不同所致，而并非产生部位深度等其他原因不同所致，尖棘波 70ms 的时长分界线也仅仅是人为的划分，两者没有本质性的区别。图7展示了几种常见的棘波。
图7 常见棘波
良性癫痫伴中央颞区棘波(BECT)最明显的特征是在发作间期大脑Rolandic区存在不定量棘波放电现象，其放电量与患者病情有较为紧密的关系，棘波放电观测和统计成为了神经科医师对BECT患者诊断的重要依据。设计一种能够快速而精准地定位放电的儿童脑电棘波检测算法既能够辅助医生对BECT患者进行快速诊断治疗，也是进行后续病情自动化分析所不可缺少的关键一步。图8展示了基于多通道数据加权融合的棘波检测方法，该方法首先通过棘波的波形特征以及棘波放电在多通道下“针锋相对”的特殊现象完成候选样本筛选和伪迹去除工作，然后根据棘波放电现象最为显著的三类特性，基于多通道棘波候选样本各通道数据的振幅、波形和源距离三类权重加权生成单通道数据，并结合时序特征提取和LSTM神经网络分类方法完成了棘波检测。在CHZU数据上，该方法相较于前述单通道棘波检测算法在单人数据集上的F1分数、灵敏度和精确度进一步提升了7.43%、4.15%、10.08%，在混合数据集上，该方法的检测性能未见明显下降，展现了该方法优秀的模型泛化能力，各项检测性能指标较现有主流棘波检测算法有明显优势。
图8 基于多通道数据加权融合的棘波检测算法