公开(公告)号：CN115089114B

公开(公告)日：2024-07-16

申请号：CN202210555697.3

申请日：2022-05-19

Applicant: 重庆邮电大学

Inventor： 蒋宇皓 ,  宋浩彦 ,  冯炳源 ,  晏舟 ,  田银 ,  赵德春

IPC: A61B5/00 ,  A61B5/369

Abstract: 本发明涉及一种基于信号形态特征的癫痫高频振荡信号检测方法，属于脑电检测技术领域。该方法包括：S1：信号输入：输入癫痫发作周期的脑电信号；S2：对输入的脑电信号预处理；S3：潜在高频振荡信号事件提取：对信号进行时频分析，然后根据癫痫高频振荡的时频特征，获取潜在的高频振荡信号事件；S4：特征提取：首先获取高频振荡信号事件间的交叉相关性、波形上升段和下降段的能量比值、信号熵；S5：聚类分析：采用高斯混合模型进行无监督式聚类分析。本发明解决了传统检测方法无法区分生理性高频振荡信号和病理性高频振荡信号的问题，且该方法具有较高的特异性。

公开(公告)号：CN115089114A

公开(公告)日：2022-09-23

申请号：CN202210555697.3

申请日：2022-05-19

Applicant: 重庆邮电大学

Inventor： 蒋宇皓 ,  宋浩彦 ,  冯炳源 ,  晏舟 ,  田银 ,  赵德春

IPC: A61B5/00 ,  A61B5/369

Abstract: 本发明涉及一种基于信号形态特征的癫痫高频振荡信号检测方法，属于脑电检测技术领域。该方法包括：S1：信号输入：输入癫痫发作周期的脑电信号；S2：对输入的脑电信号预处理；S3：潜在高频振荡信号事件提取：对信号进行时频分析，然后根据癫痫高频振荡的时频特征，获取潜在的高频振荡信号事件；S4：特征提取：首先获取高频振荡信号事件间的交叉相关性、波形上升段和下降段的能量比值、信号熵；S5：聚类分析：采用高斯混合模型进行无监督式聚类分析。本发明解决了传统检测方法无法区分生理性高频振荡信号和病理性高频振荡信号的问题，且该方法具有较高的特异性。