研究中心在IEEE TCAS-II国际期刊发表棘波检测论文

发布者:余羽洁发布时间:2022-02-11浏览次数:10

(Duanpo Wu*, Haichao Shi, Lurong Jiang, Fang Dong, Junbiao Liu*, Jiuwen Cao*, Tiejia Jiang and Xunyi Wu, BECT Spike Detection Algorithm Based on Optimal Template Matching and Morphological Feature Selection, IEEE Transactions on Circults and Systems II:Express Briefs, 2022, Accepted)


伴中央颞区棘波的儿童良性癫痫(benign childhood epilepsy with centrotemporal spikeBECT)又称儿童良性Rolandic癫痫,是儿童癫痫中最常见的局灶性癫痫,发病年龄为3-13岁,高峰发病年龄5-8岁。既往认为其精神运动发育无明显异常,预后良好。但近年来的研究发现BECT患儿存在一定程度的认知功能障碍,与同龄儿相比BECT患儿有更多的学习及行为问题。从BECT患者脑电图中准确识别棘波可以帮助医生有效地做出诊断和治疗。我院人机混合智能与智慧健康研究中心与浙江大学医学院附属儿童医院等合作,在棘波检测方向的研究论文“BECT Spike Detection Algorithm Based on Optimal Template Matching and Morphological Feature Selection”国际期刊IEEE Transactions on Circults and Systems II:Express Briefs录用,期刊影响因子3.292。针对现有棘波检测方法存在的不足,本文提出基于最优模板匹配和形态特征提取的BECT棘波检测方法,包括通用模板匹配、棘波聚类、基于粒子群优化算法的通用模板优化和基于棘波形态特征的假阳性棘波消除。

从脑电信号中自动提取棘波的研究起始于20世纪70年代初。到目前为止,许多研究学者提出了不同的棘波检测方法,其中包括形态学滤波、聚类分析、时频分析、小波变换、沃尔什变换和模板匹配等。目前的模板匹配方法都是采用固定参数的通用模板,然而,不同患者之间,或者同一患者不同时间的癫痫放电模式复杂多变使得棘波波形有很大差异,使得传统上单一,固定的模板难以适应形态各异的棘波。此外,目前的棘波检测方法大都是基于单通道数据,忽略了双极导联下的特征,而且,由于出现在平均参考导联的棘波不可避免的受到人为或者物理上的干扰,导致单纯依靠平均参考导联提取的棘波特征并不准确。而双极通道能从另一个角度来分析脑电信号,当平均参考导联数据受到干扰较大时,往往可以通过双极导联来分析。本文采用粒子群算法来优化通用模板的幅值和宽度,达到通用模板最适合检测BECT棘波的效果。在进行最优模板检测之后,候选棘波中仍然有大量假阳性棘波。基于双极导联和平均参考导联的棘波形态特征,可以消除假阳性棘波。双极导联主要利用的是出现在平均参考导联上的棘波,其双极导联呈现“针锋相对”的特性,去除不符合此规则的候选棘波,可以消除部分假阳性棘波。基于平均参考导联的假阳性棘波消除,结合了多通道数据来准确识别出现在平均参考导联的棘波开始点和结束点。通过计算平均参考导联和双极导联棘波点周围曲率,设置特征阈值来准确提取棘波的形态特征,可以进一步消除假阳性棘波,有效提高了棘波检测的准确度。

论文第一作者为研究中心的吴端坡老师曹九稳教授为共同通讯作者,研究获得了浙江省重点研发计划、国家重点研发计划、浙江省自然科学联合基金等项目的支持。


算法核心框架图:

平均参考通道和双极通道棘波开始结束点识别图:

所提出的棘波检测方法分步骤结果示意图: