短时能量的脑电高频振荡节律的特征提取方法研究

广东工业大学 张春玲 杜玉晓

癫痫是比较常见的神经系统疾病之一，脑电图是临床上诊断癫痫的必要的手段之一，医生通过人工识别脑电图的高频振荡节律出现的位置来诊断和治疗癫痫。定位癫痫始发区（Seizure Onset Zone，SOZ）是术前评估的关键，高频振荡的意义体现在对癫痫发作始发区的准确定位，因此对于高频振荡节律特征提取方法的研究是很有必要的。

脑电信号是一种非平稳性信号，即脑电的统计信号会随着时间而变化，且携带了生理和病例信息。普遍认为，脑电信号中80-500Hz频率的信号被称为高频振荡节律。高频振荡节律特征的提取包括时域、频域、时频域特征提取。

本文创新性提出一种短时能量的脑电高频振荡节律的特征提取方法，利用这种特征去识别并定位SOZ。通过仿真实验，说明这个特征可以有效的定位SOZ，大大的提高了医生的诊断效率。

1 脑电信号的预处理

脑电信号预处理是为了提高信噪比，去噪，得到比较干净的数据，便于后续特征提取。预处理过程主要包括归一化、去噪、滤波、分帧等。脑电信号的预处理过程如图1所示。

图1 脑电信号预处理

归一化是为了方便后续数据的处理，将数据按比例缩放，使之落入[-1,1]区间。脑电信号是一种强度很弱的电生理信号，在微伏数量级，在测量时不可避免会产生一些干扰，形成伪迹。所以去噪是不可缺失的一步，目的是提高信噪比。由于高频振荡节律是频率在80-500Hz之间信号，所以需要设计一个带通滤波器，将除了80-500Hz以外的其他频段的数据过滤。最后将预处理后的数据存储，以便后续的分帧和提取特征。

2 短时能量特征的提取

短时能量是反应信号强度的度量参数，可以反映信号的幅度变换。在语音识别中，短时能量的用途是可以区分清音和浊音，实验表明浊音的能量要明显高于清音。短时能量一般是用于语音信号中。本文中将短时能量作为高频振荡节律的特征，短时能量的计算方法是使用均方法提取滤波后脑电信号的均方值，短时能量能够反映脑电信号在高频振荡节律时幅值大小的变化。

设脑电波形时域信号为x(n)，加窗函数w(n)分帧处理后得到第i帧脑电信号为yi(n)，则yi(n)满足：

其中，w(n)为窗函数，一般采用矩形窗或者是汉明窗；yi(n)是一帧的数值，L为帧长；inc为帧移长度；fn为分帧后的总帧数。

计算第i帧信号的短时能量值可以用均方法计算，其表达式如下：

其中，E(i)为短时能量的估计值，yi(n)为脑电信号的幅值。

如图2所示，选取了两组数据（分别是高频振荡节律和非高频振荡节律）的各自100个数据点，可以看出非高频振荡节律的短时能量数值很小甚至接近于0，说明可以根据短时能量特征找到高频振荡节律的。

图2 高频振荡节律和非高频振荡节律的短时能量对比图

3 仿真结果分析

本文数据来源是广东省某医院，是患有难治性癫痫病人在术前监测的颅内脑电数据，本文采用了5个癫痫病人的数据，以其中一名患者的全部62根导联为例。将这名患者的脑电数据进行预处理之后，分帧，计算短时能量值。如图3所示，有某些导联的短时能量值较大，说明这些导联的幅值较大。这里将采用全部导联的短时能量的均值作为阈值，当某一个导联的短时平均能量高于所设置的阈值的导联就可以被认为是疑似癫痫始发区导联，定位到疑似癫痫始发区导联后，医生就可以重点关注这些导联，其他的导联可以少观测。

图3 某一个病人的全部62根导联的短时能量估计值结果

如图4所示，某一个病人的第38号导联的波形图和短时能量图，从图4中可知，当某一个时间的振幅较大时，短时能量的值相应的也变大。

图4 某一个病人的第38根导联的波形图及对应时间的短时能量估计值

这里采用全部导联的短时能量估计的均值作为阈值，短时平均能量估计高于所设置的阈值的导联就被认为是疑似癫痫始发区导联。如图5左图是62个导联的每个导联各自的短时能量估计值的连线，从图中可知，有一些导联的短时能量估计值相对大，说明其所在导联的幅值较大，所设的阈值就是中间的红色线，可看到62个导联中有某些的导联的短时能量估计值高于阈值，高于红色线就可以把它认为是疑似癫痫始发区导联。如图5右图，是筛选出来的高于阈值的导联的短时能量估计值的图，从中可知，高于阈值的导联包括了图中所列举的导联。

图5 全部导联的短时平均能量估计值及筛选出来的导联短时平均能量估计值

这里从灵敏度和特异性两个标准对该方法做出评价。灵敏度和特异性的表达公式分别为：，。其中TP为真阳性，是指通过特征提取定位的疑似导联中最终包含癫痫致病灶的导联数；TN为真阴性，是指除了通过特征提取定位的疑似导联以外的其他导联个数；FP为假阳性，是指通过特征提取定位的疑似导联中最终确定不包含癫痫致病灶的导联数；FN为假阴性，是指除了通过特征提取定位的疑似导联以外，最终确定包含癫痫致病灶的导联数中包含其他导联的个数。

下面将短时能量特征提取的筛选结果与前期领域专家定位的SOZ的结果进行对比，如表1所示。

表1 短时能量特征提取的筛选结果与前期领域专家定位的SOZ的结果对比

从表1中可知，对于以上的5个患者而言，基于短时能量的高频特征提取与定位的灵敏度和特异性都很高，说明癫痫致病灶的定位效果还是比较理想的，说明本方法具有一定的临床适用性。

结论：本文提出了一种基于短时能量的高频振荡节律特征的提取方法，通过matlab仿真实验分析可知，提出的基于短时能量的高频振荡节律特征的提取方法具有一定的可行性，能够分析和确定癫痫患者的发作始发区，提高了医生的诊断效率，缩短了诊断和治疗的时间。