（Tiejia Jiang, Duanpo Wu, Feng Gao, Jiuwen Cao, Shenyi Dai, Junbiao Liu and Yan Li, Improved Spike Detection Algorithm Based on Multi-Template Matching and Feature Extraction, IEEE Transactions on Circuits and Systems II: Express Briefs, 2021, doi: 10.1109/TCSII.2021.3092141.）
与浙江大学医学院附属儿童医院、妞诺科技有限公司合作，我院人机混合智能与智慧健康研究中心和国合基地在IEEE TCAS-II国际期刊发表了关于脑电信号棘波检测算法的论文。论文针对临床实测条件下脑电信号出现有伪迹混杂或棘波连续发作等复杂情况而导致棘波检测性能下降的问题，提出了一种基于多模板匹配、特征提取和阈值法的数据驱动棘波检测算法。利用两次级联的模板匹配，对候选波形进行筛选，通用模板匹配初步筛选出符合棘波基本特征的候选波形样本，自适应模板匹配将候选波形样本进行的聚类分析求得的聚类中心作为模板，提高算法对不同背景信号下的棘波的检测能力。两次模板匹配后均有特征提取和阈值过滤的操作，对所得样本集进行误报消除，在第二次模板匹配后，算法根据样本非线性能量、持续时长和振幅三种特征以及棘波预标记信息，基于约登指数最大原则在样本集上计算最优阈值，通过阈值筛选求得最终棘波检测结果。该算法在真实脑电样本上的平均灵敏度达到97.12%，平均假阴性率为0.55 / min。
论文的检测算法在浙江大学医学院附属儿童医院20例患者的临床数据上得到了验证，获得了国家自然科学基金重点、科技部重点研发和浙江省重点研发项目的资助。
算法流程图：
棘波信号与检测结果对比图：
数据驱动的最优阈值选取流程图：
实测结果对比：
