一种基于高频振荡和连接性的致痫区定位方法

本发明涉及癫痫患者的多通道神经信号分析领域，具体涉及高频振荡和一种基于大脑网络连接性的相关指数，用于定位具有不同癫痫发作模式患者的致痫区位置。

背景技术：

1、癫痫是一种严重的慢性神经系统疾病，会扰乱大脑神经元的正常活动。在癫痫发作期间，患者在紧急情况下可能会受伤甚至危及生命，这给患者带来巨大的心理压力和工作生活困难。对于药物难治性癫痫患者，癫痫手术可以有效治疗癫痫发作。致痫区被定义为癫痫发作的大脑区域。通常，致痫区的评估涉及多通道颅内脑电图(ieeg)记录，特别是立体脑电图(seeg)。如何通过这些记录来识别致痫区在手术前非常重要，因为手术的目的就是为了去除致痫区。事实上，致痫区的精确定位一直是癫痫手术中的主要挑战。

2、近年来，研究人员开发了致痫性指数(ei)、致痫性地图、高频致痫性指数(hfei)、癫痫性分级(er)、致痫区指纹等方法来定位致痫区。这些方法基于对高频振荡的时频或空间特性的检测来定位致痫区，在许多研究中受到了很大的关注并取得了显著的结果，但它们在某些情况下不能很好地定位致痫区。在癫痫患者中，大约75％的癫痫发作模式涉及高频振荡(hfo)，而其余的则为慢发作模式。ei、hfei和其他基于hfo检测的方法的效率对于慢发作模式将变得较低。另一方面，当在记录通道中呈现类似的癫痫发作活动时，这些方法将无法区分它们的时间顺序或能量强度差异，从而产生较差的估计结果。

3、通常，癫痫可以被认为是一种网络疾病，hfo无法通过单独处理每个通道来捕获大脑的网络属性。也就是说，当在发作区没有观察到hfo时，仅依靠hfo的电生理特征是不够的。另一方面，先前的研究表明，去除超兴奋部位并不是降低癫痫发作率的最佳方法。相反，根据网络结构和连接的概念，去除位于网络关键点的正常部位，即“驱动因素”，通常更有效。因为seeg信号之间的连接性在癫痫发作前增强，在癫痫发作早期逐渐降低，在癫痫发作后期逐渐增加。

4、如：王海祥.立体定向脑电图致痫指数分析在致痫区定位及致痫网络评价中的应用[j].中华神经科杂志.2017；6:362-367.该论文提出一种新的基于立体定向脑电图(seeg)发作期高频活动(60～90hz)分析的seeg定量方法，计算高频致痫指数(hfei)，从而定位癫痫患者的致痫区，评价致痫网络。但该论文仅利用了60-90hz的高频振荡，忽视了癫痫慢发作模式，在定位具有较慢发作模式的癫痫患者的致痫区时，会带来较差的预测效果。

技术实现思路

1、本发明为解决上述技术问题，提供一种改进的致痫区定位方法－连接性高频致痫性指数(chfei)，该方法将hfo和大脑网络的连接性相结合，利用hfo和大脑网络的连接性来更准确地定位致痫区，定位准确，稳定性高。

2、为解决上述技术问题，本发明所采用的技术方案是：

3、一种基于高频振荡和连接性的致痫区定位方法，其特征在于包括以下步骤：

4、步骤s1：采集seeg数据并选择代表性通道；

5、步骤s2：滤波获取54-200hz信号并选择基线数据和目标数据；

6、步骤s3：获取归一化高频能量nhfe；

7、步骤s4：根据nhfe计算时间系数tc和能量系数ec，并得到高频致痫性指数hfei；

8、步骤s5：滤波获取12-45hz信号；

9、步骤s6：计算非线性回归分析；

10、步骤s7：计算总强度tot；

11、步骤s8：定义并计算连接性高频致痫性指数chfei，根据chfei定位致痫区。

12、本发明技术方案的进一步改进在于：所述步骤s1中，根据立体定向的方法，采集二十名具有不同癫痫发作模式患者的立体脑电图seeg数据，并根据患者的癫痫发作情况，选择10-30条代表性通道，覆盖癫痫发作的主要区域。

13、本发明技术方案的进一步改进在于：所述步骤s2中，使用二阶iir陷波数字滤波器和五阶iir巴特沃斯数字滤波器将原始信号滤波到54-200hz的高频波段；手动选取基线数据和目标数据，基线数据选取原则为癫痫发作前没有明显异常信号的seeg数据，目标数据需涵盖整个发作过程。

14、本发明技术方案的进一步改进在于：所述步骤s3中，通过振幅平方和窗口平滑的方式将带通信号转化为高频能量谱，并计算基线数据高频能量的平均值，作为高频能量的基线值；将所有通道的高频能量都除以本通道的高频能量基线值来得到归一化高频能量nhfe。

15、本发明技术方案的进一步改进在于：所述步骤s4的具体操作为：

16、计算每个通道i的发病时间阈值，该阈值定义为基线nhfe的最大值加上基线nhfe十倍的标准差：

17、thresholdonset time＝max(nhfebl)+10σ(nhfebl)，

18、当每个通道目标数据的归一化能量超过阈值，则将这一刻判定为异常活动开始的时间，并根据各通道的起始时间对通道进行排序，时间系数tc定义为每个通道顺序的倒数；

19、利用nhfe计算各通道最早开始前后250ms内的平均能量作为能量系数ec，最后得到每个通道i的hfei：

20、

21、本发明技术方案的进一步改进在于：所述步骤s5中，对原始数据进行带通滤波，通带为β-γ频段，12-45hz，随后降采样到256hz。

22、本发明技术方案的进一步改进在于：所述步骤s6中，基于h2非线性相关指数计算非线性回归分析，在每对信号之间执行分段线性回归，测试一个信号在最大滞后内相对于另一个信号的所有偏移；对于两个信号x和y，x和y之间传递函数的分段线性近似f定义为：

23、yn-τ＝f(xn)+en，

24、

25、h2衡量回归的拟合优度，用近似f来解释：

26、

27、本发明技术方案的进一步改进在于：所述步骤s7中，计算所有成对的h2值，使用长度为3s，步长为1s的滑动窗口，最大延迟为0.1s，产生一个二进制连接矩阵；然后在每个时间窗口中，对于每个通道，总结独立于方向的总强度tot。

28、本发明技术方案的进一步改进在于：所述步骤s8中，对于每一位患者的seeg通道，总结发作前8s总强度的平均值和hfei，并分别作归一化处理，结合tot和hfei，得到连接性高频致痫性指数的组合指数chfei：

29、

30、本发明技术方案的进一步改进在于：对于致痫区的定位准确，稳定性高。

31、由于采用了上述技术方案，本发明取得的技术进步是：

32、本发明能更加准确的定位致痫区，解决了仅基于hfo的定位方法在较慢发作模式中精度不高的问题。

33、本发明解决了仅基于hfo的时频特性的定位方法在通道内表现出相似的活动时，无法检测出各通道的时间顺序(或发作延迟)或能量强度，导致定位致痫区的准确率不高的问题。

技术特征：

1.一种基于高频振荡和连接性的致痫区定位方法，其特征在于包括以下步骤：

2.根据权利要求1所述的一种基于高频振荡和连接性的致痫区定位方法，其特征在于：所述步骤s1中，根据立体定向的方法，采集二十名具有不同癫痫发作模式患者的立体脑电图seeg数据，并根据患者的癫痫发作情况，选择10-30条代表性通道，覆盖癫痫发作的主要区域。

3.根据权利要求1所述的一种基于高频振荡和连接性的致痫区定位方法，其特征在于：所述步骤s2中，使用二阶iir陷波数字滤波器和五阶iir巴特沃斯数字滤波器将原始信号滤波到54-200hz的高频波段；手动选取基线数据和目标数据，基线数据选取原则为癫痫发作前没有明显异常信号的seeg数据，目标数据需涵盖整个发作过程。

4.根据权利要求1所述的一种基于高频振荡和连接性的致痫区定位方法，其特征在于：所述步骤s3中，通过振幅平方和窗口平滑的方式将带通信号转化为高频能量谱，并计算基线数据高频能量的平均值，作为高频能量的基线值；将所有通道的高频能量都除以本通道的高频能量基线值来得到归一化高频能量nhfe。

5.根据权利要求1所述的一种基于高频振荡和连接性的致痫区定位方法，其特征在于：所述步骤s4的具体操作为：

6.根据权利要求1所述的一种基于高频振荡和连接性的致痫区定位方法，其特征在于：所述步骤s5中，对原始数据进行带通滤波，通带为β-γ频段，12-45hz，随后降采样到256hz。

7.根据权利要求1所述的一种基于高频振荡和连接性的致痫区定位方法，其特征在于：所述步骤s6中，基于h2非线性相关指数计算非线性回归分析，在每对信号之间执行分段线性回归，测试一个信号在最大滞后内相对于另一个信号的所有偏移；对于两个信号x和y，x和y之间传递函数的分段线性近似f定义为：

8.根据权利要求1所述的一种基于高频振荡和连接性的致痫区定位方法，其特征在于：所述步骤s7中，计算所有成对的h2值，使用长度为3s，步长为1s的滑动窗口，最大延迟为0.1s，产生一个二进制连接矩阵；然后在每个时间窗口中，对于每个通道，总结独立于方向的总强度tot。

9.根据权利要求1所述的一种基于高频振荡和连接性的致痫区定位方法，其特征在于：所述步骤s8中，对于每一位患者的seeg通道，总结发作前8s总强度的平均值和hfei，并分别作归一化处理，结合tot和hfei，得到连接性高频致痫性指数的组合指数chfei：

10.根据权利要求1所述的一种基于高频振荡和连接性的致痫区定位方法，其特征在于：对于致痫区的定位准确，稳定性高。

技术总结
本发明公开了一种基于高频振荡和连接性的致痫区定位方法，包括以下步骤：1、采集SEEG数据并选择代表性通道；2、滤波获取54‑200Hz信号并选择基线数据和目标数据；3、获取归一化高频能量；4、计算时间系数和能量系数并得到高频致痫性指数；5、滤波获取12‑45Hz信号；6、计算非线性回归分析；7、计算总强度；8、定义并计算连接性高频致痫性指数，评估性能。本发明可以精确的定位具有不同癫痫发作模式患者的致痫区，在癫痫治疗中具有潜在的应用价值。

技术研发人员：李朝辉,张浩
受保护的技术使用者：燕山大学
技术研发日：
技术公布日：2024/1/13