CN117838146B 致痫灶定位方法、装置、电子设备及计算机可读存储介质 （中国医学科学院北京协和医院）

号本申请的实施例提供了一种致痫灶定位方目标致痫灶定位模型定位出受测对象对应的目颅内脑电特征数据以及监测视频输入至训练好2将所述颅内脑电特征数据以及所述监测视频输入至训练好的目标致痫灶定位模型中，从所述监测视频中得到所述受测对象的人体特征信息以及动作特征信息；将电位差、痫灶定位模型中，以通过所述目标致痫灶定位模型定位出所述受测对象对应的目标致痫其中，所述电位差通过以下方式获取：根据所述受测对象获取由生物医学监测设备采集的所述受测对象的原始颅内根据预处理后的原始颅内脑电监测数据得到颅内脑根据预处理后的多通道脑电监测数据计算每个通道与参考电极根据所述脑电信号初始特征数据提取颅内脑根据所述脑电信号初始特征数据生成对应的脑电对所述脑电信号初始特征数据进行傅里叶变换，得到所述脑电信号特3从所述多个帧图像中分别检测出所述受测对象对应的对象关键点以及所述对象关键根据所述受测对象针对于目标对象关键点的所有关键点空间坐标构建出人体特征信对所述人体特征信息进行人体动作分析得到所述受测对象将所述多个划分片段输入至训练好的所述目标致痫灶定所述将所述颅内脑电特征数据以及所述监测视频输入至训练好的目标致痫灶定位模获取训练样本，所述训练样本包括多个癫痫患者分别对应的多将所述训练样本输入至待训练的初始致痫灶定位模型中，得到模型输型输出结果包括癫痫发作状态输出结果以及致痫灶输根据所述模型输出结果和所述癫痫发作标签，确定所述待训练根据所述损失值，对所述待训练的所述初始致痫灶定位模型进行迭代训练12.根据权利要求11所述的方法，其特征在于，所述训练样本中包括正样本以及负样将所述训练样本输入至待训练的初始致痫灶定位模型中，得到预测4根据所述预测概率确定所述训练样本对应的模型定位目标致痫灶单元，用于将所述颅内脑电特征数据以及所述其中，所述装置还用于获取所述受测对象的监测视频之后，标致痫灶定位模型定位出所述受测对象对应其中，所述电位差通过以下方式获取：根据所述受测对象16.根据权利要求15所述的装置，其特征在于，所述获取受测对象的颅内脑电特征数获取由生物医学监测设备采集的所述受测对象的原始颅内根据预处理后的原始颅内脑电监测数据得到颅内脑述受测对象的颅内的多个部位处采集的多通道脑电根据预处理后的多通道脑电监测数据计算每个通道与参考电极根据所述脑电信号初始特征数据提取颅内脑根据所述脑电信号初始特征数据生成对应的脑电5对所述脑电信号初始特征数据进行傅里叶变换，得到所述脑电信号特从所述多个帧图像中分别检测出所述受测对象对应的对象关键点以及所述对象关键根据所述受测对象针对于目标对象关键点的所有关键点空间坐标构建出人体特征信对所述人体特征信息进行人体动作分析得到所述受测对象将所述多个划分片段输入至训练好的所述目标致痫灶定所述将所述颅内脑电特征数据以及所述监测视频输入至训练好的目标致痫灶定位模获取训练样本，所述训练样本包括多个癫痫患者分别对应的多将所述训练样本输入至待训练的初始致痫灶定位模型中，得到模型输型输出结果包括癫痫发作状态输出结果以及致痫灶输根据所述模型输出结果和所述癫痫发作标签，确定所述待训练根据所述损失值，对所述待训练的所述初始致痫灶定位模型进行迭代训练626.根据权利要求25所述的装置，其特征在于，所述训练样本中包括正样本以及负样将所述训练样本输入至待训练的初始致痫灶定位模型中，得到预测根据所述预测概率确定所述训练样本对应的模型其中，所述处理器被配置为经由执行所述可执行指令来执行权利要处理器执行时实现权利要求1_14中的任意一项7[0009]将所述颅内脑电特征数据以及所述监测视频输入至训练好的目标致痫灶定位模8[0030]从所述多个帧图像中分别检测出所述受测对象对应的对象关键点以及所述对象[0031]根据所述受测对象针对于目标对象关键点的所有关键点空间坐标构建出人体特[0037]所述将所述颅内脑电特征数据以及所述监测视频输入至训练好的目标致痫灶定9模型输出结果包括癫痫发作状态输出结果以及致痫灶输[0059]本申请实施例能够将颅内脑电特征数据以及监测视频输入至训练好的目标致痫[0062]通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目[0064]图2示出的是根据本申请一示例实施方式的根据脑电信号初始特征数据所生成的[0066]图4示出的是根据本申请一示例实施方式的将颅内脑电特征数据以及监测视频输入至训练好的目标致痫灶定位模型中得到定位结果的流程[0067]图5示出的是根据本申请一可选示例实施方式中的对待训练的初始致痫灶定位型进行训练以得到训练后的目标致痫灶定位模型的流程[0069]图7示出的是根据本申请一示例实施方式的在手术前或住院治疗期间定位出受测[0090]实施图1所示的致痫灶定位方法，可以将颅内脑电特征数据以及监测视频输入至[0100]参考电极用于衡量所采集到的多通道颅内脑电监测数据此时是否处于异常放电差可以得到反映此时通道脑电监测数据是否处于异常放电的脑电信号初[0108]又由于脑电信号时频数据中包括脑电时频数据、心电时频数据以及肌电时频数得到反映受测对象实时脑电变化情况的脑电述受测对象所进行的动作的特征。人体特征信息可以是受测对象眼睛这一部位的特征信[0118]动作特征信息可以是受测对象抬起胳膊时与抬起这一动[0122]从多个帧图像中分别检测出受测对象对应的对象关键点以及对象关键点对应的检测出哪一部分为受测对象的对象关键点，还可体部分的躯体关键点。图3示出的是根据本申请一示例实施方式的目标对象关键点的示意[0125]通过多个帧图像中同一个目标对象关键点所对应的关键点空间坐标可以得到用个划分片段之后再将多个划分片段输入至训练好的目标致痫灶及监测视频输入至训练好的目标致痫灶模型中，既可以定位出此时受测对象的目标致痫内脑电特征数据进行特征维度对齐，以对视频特征数据与颅内脑电特征数据进行特征融好的目标致痫灶定位模型可以将嵌入特征映射目标致痫灶定位模型中的颅内脑电特征数据和视频特征数据对应的概率值)。该概率值用于表征受测对象此时处于癫痫发作期的概率以及致使受测对象处于癫痫发作期的致痫灶[0138]图4示出的是根据本申请一示例实施方式的将颅内脑电特征数据以及监测视频输测对象的原始颅内脑电监测数据以及监测视频。然后针对于原始颅内脑电监测数据而言，[0147]图5出的是根据本申请一可选示例实施方式中的对待训练的初始致痫灶定位型进的划分片段对应的癫痫发作标签，数据550为根据模型输出结果和癫痫发作标签所确定出练样本对应的患者处于癫痫发作期的概率为98致使该患者处于癫痫发作期的目标致痫值为初始致痫灶定位型的预测结果与患者的真实癫痫发作情况(与训练样本对应)之间的对初始致痫灶定位模型中的模型参数进行不断的调整，直至损失值满足预设收敛条件时，目标致痫灶定位模型650当中，可以得到预测结果660(即预测受测对象是否处于癫痫发作[0160]图7示出的是根据本申请一示例实施方式的在手术前或住院治疗期间定位出受测723通过手术的方式深入受测对象710的颅内各个位置处，通过采集设备720的接口与电极[0162]异常放电检测装置740可以在接收到颅内脑电特征数据以及监测视频后，直接利中描述的根据本申请各种示例性实施方式的致痫灶信号时频特征、人体特征信息以及动作特征信息输入至训练好的目标致痫灶定位模型中，癫痫发作预测概率以及致痫灶预测概率；根据预测概率确定训练样本对应的模型输出结号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，[0184]可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序[0190]定位目标致痫灶单元830，用于将颅内脑电特征数据以及监测视频输入至训练好的目标致痫灶定位模型中，以通过目标致痫灶定位模型定位出受测对象对应的目标致痫脑电监测数据进行预处理；根据预处理后的原始颅内脑电监测数据得到颅内脑电特征数得到反映受测对象实时脑电变化情况的脑电个帧图像中分别检测出受测对象对应的对象关键点以及对象关键点对应的关键点空间坐[0220]应当注意，尽管在上文详细描述中提及了致痫灶定位装者单元的特征和功能可以进一步划分为由多个模块或[0224]下面参照图9来描述根据本发明的这种实施例的电子设备900。图9显示的电子设[0226]其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执[0227]存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元[0228]存储单元