一种基于脑电高频脑电振荡节律信息熵的癫痫灶定位系统的制作方法

本发明涉及一种基于脑电高频脑电振荡节律信息熵的癫痫灶定位系统。

背景技术：

传统的癫痫致痫灶定位的主要方法有非侵入性的脑电图检查以及MRI，CT等辅助检查方法并不能时常提供有效、准确和足够的信息帮助医生定位致痫灶的。而侵入性的脑电图检查，通过开路手术，植入电极到大脑深处或大脑皮层，以获取更准确的脑电数据定位癫痫致痫灶，获取时间有时候长达72小时，大大加大了病人的感染危险系数。

高频振荡节律是频率范围在80至500Hz，并且能够从背景脑电图中辨认出来的节律波。研究表明，高频振荡节律更直接反应了神经元的同步化活动，同时与癫痫的发作有密切的联系，是定位癫痫发作始发区的一种新的生物指标，利用癫痫脑电中的高频振荡节律定位癫痫发作始发区成为定位癫痫发作始发区的黄金标准。

由于发展不平衡导致现在的每个医院都不一定具备检测癫痫灶的设备，或者定位不精确。本设计通过一种云服务器的对比定位的方法，每个医院只需一部脑电图机和一台可联网的电脑就可以定位癫痫灶始发区，降低了成本，提高了精度。

下面提出一种新型基于云服务器的脑电高频振荡节律信息熵快速定位癫痫灶的方法。

本发明优点：

(1)减少由于样本数据少造成的精确度不够的问题，挺高准确率。

(2)在云服务器上做判别，当然也为以后定位多种脑电方面疾病的致病灶，留下了很好的扩展性。

技术实现要素：

本发明涉及本发明涉及一种基于脑电高频脑电振荡节律信息熵的癫痫灶定位系统，包含如下部分，如图1所示；

脑电采集模块--1.通过64导联非侵入式脑电图机获取原始数据。2.通过线性函数归一化、切比雪夫滤波器等进行数据预处理。

计算模块--用AR模型的Burg算法进行功率谱估计，再计算功率谱熵、小波能谱熵，组成二维向量。

本地定位识别模块---通过算法分析返回定位结果。

云服务器定位识别系统---1.通过算法分析、对比返回定位结果。2.保存上传的准确的癫痫信号数据，形成对比数据库。

显示模块---显示定位结果

一种基于脑电高频脑电振荡节律信息熵的癫痫灶定位系统，实现癫痫病人方便、精准定位癫痫灶始发区，需含步骤如图2所示。

客户端模块：由一台64脑电图机，一台电脑组成。流程框图如图3所示。

(1-1)数据采集模块——通过64导联非侵入式脑电图机获取原始数据。

(1-2)数据预处理模块——通过线性函数归一化、切比雪夫滤波器等进行数据预处理。

(1-3)用AR模型的Burg算法进行功率谱估计，再计算功率谱熵、小波能谱熵，组成二维向量。

(1-4)通过本地识别模块算法，进行对比、验证，剔除伪迹，再把检测的数据、病人主要信息通过网络传给云服务器。

服务器模块：流程图如图4所示。

(2-1)进行客户端验证，接受数据。

(2-2)云服务器通过算法计算、对比、识别，剔除伪迹，检出结果。

(2-3)返回结果给客户端。

附图说明

图1基于脑电高频脑电振荡节律信息熵的癫痫灶定位系统图；

图2基于脑电高频脑电振荡节律信息熵的癫痫灶定位系统的工作流程图；

图3客户端模块的工作流程；

图4服务器模块的工作流程。

具体实施方式

实施例一

步骤一每当病人去医院看病时，医院采集病人脑电信号，进行数据处理。

步骤二然后通过本地算法模块进行定位和上传云端服务器进行重定位保证准确性。

步骤三云服务器通过计算返回结果。

步骤四显示结果。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。