研究中心在MULTIDIM SYST SIGN P期刊发表癫痫综合征智能分类论文

发布者:余羽洁发布时间:2022-05-13浏览次数:11

    (Tiejia Jiang, Xiaonan Cui, Jiahua Zhu, Dinghan Hu, Weidong Gao, Feng Gao, Jiuwen Cao*, Early Seizure Detection in Childhood Focal Epilepsy with Electroencephalogram Feature Fusion on Deep Autoencoder Learning and Channel Correlations, Multidimensional Systems and Signal Processing, 2022, published online)


癫痫发作可分为局灶性起始的和全面性起始的。全面性发作起源于双侧大脑皮质及皮质下结构所构成的致痫网络中的某一点,并快速波及整个网络。与全面性发作不同,局灶性发作恒定起源于一侧大脑半球内、呈局限性或更广泛分布的致痫网络,并有着放电的优势传导途径,也可以继发累及对侧半球。由于不同癫痫患者局灶性发作的起始部位和模式不同,且局灶性发作影响到的区域有限,局灶性发作的检测和预测相比于全面性发作更为困难。由此,与浙江大学医学院附属儿童医院合作,我院人机混合智能与智慧健康研究中心在局灶性癫痫发作检测领域展开了深入的研究,综合卷积自编码器降维特征和通道相关性特征,并结合集成分类模型提出一套完整的儿童癫痫分期检测算法。相应的研究论文“Early Seizure Detection in Childhood Focal Epilepsy with Electroencephalogram Feature Fusion on Deep Autoencoder Learning and Channel Correlations”近期被Multidimensional Systems and Signal Processing录用。


癫痫脑电图 (EEG)信号的识别对于癫痫发作检测至关重要。目前关于癫痫发作检测的研究主要集中在全面性癫痫发作分析上。与全面性癫痫发作相比,儿童局灶性癫痫一般起源于大脑的一个半球,发作模式因患者而异,难以分析。同时,不同年龄段儿童脑电活动的频率、幅度和节律不同,使得儿童局灶性癫痫检测具有挑战性。在本文中,提出脑电通道相关性特征用来表征大脑不同区域内外的脑电信号的同步性。此外,提取脑电信号的频谱幅值图作为特征,以表征不同频段的信号特征,并使用卷积自动编码器进行降维。针对癫痫分期检测问题中常见的发作期、发作间期和发作前期数据不均衡问题,提出基于加权概率投票规则的集成分类模型。最终综合提出的通道相关性特征和卷积自编码器降维特征两类特征,并结合集成分类模型提出完整的基于卷积自编码器和通道相关性特征的儿童局灶性癫痫。在浙江大学医学院儿童医院收集的脑电图数据集上对该性能进行了评估。实验表明,该算法对儿童局灶性癫痫发作的检测准确率最高可达93.57%


论文第一作者为浙江大学医学院附属儿童医院蒋铁甲医生,第二作者为2021级博士研究生崔小南,通讯作者为指导老师曹九稳教授,研究获得了国家自然科学基金重点、科技部重点研发、浙江省重点研发与浙江省重点基金的资助。


算法核心框架图:


发作间期、发作前和发作期的卷积自编码器编码特征:


通道相关性特征的小提琴图: