儿童癫痫综合征智能分类与治疗评估的理论方法与云平台研究

发布者:王天磊发布时间:2024-01-12浏览次数:362

国家自然科学基金-浙江两化融合联合重点基金(2019年立项):儿童癫痫综合征智能分类与治疗评估的理论方法与云平台研究(负责人:曹九稳)

合作单位:复旦大学附属华山医院、浙江大学医学院附属儿童医院

项目简介:

癫痫是儿童神经系统的常见疾病,严重影响认知与神经发育,极易引起智力障碍、自闭症、行为异常等问题。由于癫痫存在反复性、暂时性、不可预测性等特点且其病因及发病机制复杂、临床及预后表现多样,实现儿童癫痫智能辅助检测、分类与病因诊断是当务之急,非常具有挑战性。针对智慧医疗与健康中国发展战略的迫切需求,本课题开展了基于多源异构大数据的儿童癫痫智能辅助检测建模、癫痫综合征准确分类、指导治疗与跟踪评估模型研究,研究成果如下。

a)构建了基于大数据的儿童癫痫发作检测发作前期预测模型,围绕伪迹检测、 癫痫发作检测和预测3个方面开展研究,提出了基于LSTM多通道的脑电癫痫尖棘波放电联合检测算法、癫痫辅助分析中脑电眨眼伪迹检测算法等,获得了90%以上的平均敏感度、特异性和准确率;提出了基于多维特征选择的癫痫检测算法、基于离散指数构建的时空网络融合的癫痫检测算法等,实现发作期和发作前不同时期识别准确率不低于85%;提出了脑电特征和多通道脑电交互特征相融合的癫痫发作预测方法、基于统计分析和深度学习的婴儿痉挛症发作预测算法等,获得了较好的预测精度。

b)构建了典型儿童癫痫综合征智能分类模型,提出了基于单流和双流的3D注意力残差深度网络儿童癫痫综合征智能分类算法、基于EEGECG的癫痫综合征分类算法等,获得了高达95%以上的平均特异性准确率和F1分数。

c)构建了儿童癫痫干预治疗与跟踪评估模型,提出了伴中央颞区棘波儿童良性癫痫的脑网络分析方法、婴儿痉挛症的脑网络分析框架、基于用药前发作间期脑电图预测ACTH的治疗疗效方法。提出了对应的算法模型,在离线/实时环境下的儿童癫痫检测理论和方法、完成临床试验。

d)构建了儿童癫痫智能辅助诊断系统的分布式架构,开发了远程分布式处理云平台,统一处理数据采集、数据存储与数据再利用,集成多源异构数据资源。

e)构建了住院/家庭环境下儿童癫痫的辅助诊断与监测系统,设计了基于便携式设备癫痫发作检测算法模型,并基于此,构建了基于多模态患者生理数据采集监测系统;完成了医联体癫痫大数据云平台功能实现。

基于多模态生理信号的癫痫智能分析系统

以上成果的开发应用给儿童癫痫患者的诊断治疗提供了极大的帮助,降低了患者的治疗难度,增加了患者的康复信心。同时也给临床医师指定针对性的诊断方案提供了重要参考,提高了临床医师的工作效率,加强了医疗资源的利用率,创造了极强的社会价值和经济价值。

一、儿童癫痫基础介绍

二、核心内容

(1)伪迹检测

(2)棘波分析

(3)典型儿童癫痫综合征智能分类模型分析

4)儿童癫痫干预治疗与跟踪评估模型分析

(5)儿童癫痫智能辅助诊断与评估系统

三、儿童脑电分析可视化系统平台