婴儿痉挛征病（West syndrome）因复杂，机制不明，其特点是智力发育下降和心律失常。大多数儿童在出生后一年内癫痫发作，发病高峰发生在3-8个月之间。大约50%的患者有运动障碍，70%的患者有智力残疾，通常伴有精神和行为问题，如自闭症和多动症。脑电图（EEG）是癫痫分析中最有效的方法。但在一些实际应用中，由于采集不方便，使得EEG应用便利性不够。基于便携式设备的优势，使得心电图（ECG）更有前景。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癫痫患者脑电眨眼伪迹智能检测方向的研究论文“Deterministic Learning based WEST Syndrome Analysis and Seizure Detection”被IEEE电路与系统期刊IEEE Transactions on Circuits and Systems II: Express Briefs录用。该研究有效实现了West综合征癫痫患儿的发作监测问题，提出了一种基于心脏动力学的心电检测算法。
ECG特征的动态模式提取在疾病分析中起着至关重要的作用，但它总是具有挑战性。由于心脏是一个具有无限功能空间的极其复杂的系统，识别其动态系统成为一个热门的研究课题。Robinson指出，任何耗散系统的动力学都可以用三维常微分方程以任意精度近似。心电图作为心脏电活动的具体体现，具有明显的局限性。这为ECG动力学分析提供了一种思路。基于DT理论，Wang提出提取ECG的心脏动力学信息用于心肌缺血分析。虽然wang实现了不错的心脏分析性能，但记录多导联心电图通常不适用于实际应用。为了缓解这一缺陷，我们使用高增益观测器（HGO）来估计心电图的速度和加速度。HGO在非线性系统的状态估计和输出反馈控制中是有效的。它对模型干扰和不确定性具有鲁棒性。在没有测量噪声的情况下，HGO可以稳健地估计输出的导数，并实现快速收敛。经过中值滤波器、50 HZ陷波滤波器和0.5-70HZ带通滤波器的预处理后，利用HGO获得用于ECG动力学建模的三维信号。
论文的主要贡献包括：1）在单导联心电图上采用高增益观测器（HGO）来估计ECG的速度和加速度，以导出动态系统。2）将从ST-T心电图段中提取的心脏动力学信息用于DT算法，构建WEST综合征不同时期心电图的心脏动力学图（CDG）。3）从CDGs中提取典型的非线性动力学特征，包括近似熵（ApEn）、谱熵（SE）、瞬时频率（IF），用于婴儿痉挛综合征的特征描述和癫痫发作检测。论文提出的检测算法在浙江大学医学院附属儿童医院12例受试者的临床数据上得到了验证。
论文第一作者为研究生陈施尧，通讯作者为指导教师曹九稳教授，合作研究机构包括浙江大学附属儿童医院、法国巴黎大学，研究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等项目的资助。
核心算法框图：
基于ECG的确定性学习算法在WEST综合征癫痫分析和癫痫检测算法框图：
West癫痫综合征不同时期的CDG（m：分钟）
特征展示：
癫痫发作与发作间期心电图ApEn的比较
癫痫发作与发作间期心电图SE的比较
癫痫发作与发作间期心电图IF的比较
CDG非线性特征分类结果：
我们方法与传统HRV方法的对比：
