公开(公告)号：CN115708670A

公开(公告)日：2023-02-24

申请号：CN202211533782.6

申请日：2022-12-01

Applicant: 北京邮电大学 ,  首都医科大学宣武医院

Inventor： 康桂霞 ,  王艺平 ,  魏鹏虎 ,  杨彦枫

IPC: A61B5/00 ,  G16H50/20 ,  G06N3/08 ,  G06F18/00 ,  G06N3/0464 ,  A61B5/37 ,  A61B5/374 ,  A61B5/055

Abstract: 本发明公开了一种基于单导联的多种致痫病理标志物分析的SOZ定位方法。首先，从信号分布和信号能量两个方面来计算单导联的痫性特征，并提出了病理Ripple标准化特征，即区域+10％阈值的标准化Ripple率，以最大限度地减少生理Ripple对定位的干扰；然后，采用Shapley值和假设检验特征选择算法，以避免不相关或冗余特征的干扰。接着，在浅层神经网络分类器上应用注意力机制和焦点损失算法，来克服致痫与非致痫触点不平衡的局限性，从而更好地学习与定位显著相关的特征，实现触点的高敏感度识别。最后，我们将分析得到的触点痫性系数，通过全脑映射的方法显示在磁共振成像图像中，给临床医生提供了可靠且可解释的辅助定位结果，进行更精确的术前评估支持。

公开(公告)号：CN113180696A

公开(公告)日：2021-07-30

申请号：CN202110469729.3

申请日：2021-04-28

Applicant: 北京邮电大学

Inventor： 康桂霞 ,  王艺平

IPC: A61B5/369 ,  A61B5/00

Abstract: 本发明实施例提供的一种颅内脑电的检测方法、装置、电子设备及存储介质，应用于信息技术领域，可以获取待检测的颅内脑电图数据；将待检测的颅内脑电图数据输入预先训练好的深度融合模型；通过双向长短时记忆网络层检测颅内脑电图数据随时间变化的变化趋势，得到典型特征向量；通过一维卷积神经网络层对颅内脑电图数据进行多次下采样，得到深层高维度特征；将典型特征向量和深层高维度特征进行特征融合，得到融合特征；通过全连接层判断融合特征中是否包含目标病灶的致病信号。可以通过全连接层自动判断融合特征中是否包含目标病灶的致病信号，不但可以实现自动化监测，还可以降低人工成本，提高监测效率。