專利名稱：自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)識(shí)別癲癇樣放電閾值的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種檢測癲癇病情的裝置，具體地說，是一種自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)識(shí)別癲癇樣放電(Epileptiform Discharges，簡稱ED)閾值的方法及裝置。
眾所周知，癲癇是一種常見病，患病率約占人口的0.4％，患者發(fā)病時(shí)常有失去知覺倒地，全身抽搐等表征，是危害人民健康的重要疾病。首先要正確地診斷是否癲癇，使之和其它有類似癥狀的疾病區(qū)分開來，采取正確的治療措施，目前常用的方法是記錄患者的腦電圖，再由醫(yī)生來分析腦電圖，看其中是否有癲癇樣放電，作為癲癇診斷的主要客觀依據(jù)，關(guān)于這方面，本申請(qǐng)人已于1998年12月30日向中國專利局提交名稱為“全自動(dòng)判斷腦電圖中有無癲癇樣放電的裝置”的發(fā)明專利申請(qǐng)(申請(qǐng)?zhí)朇N98122894.1)，在這份申請(qǐng)中主要解決“有”和“沒有”ED的定性判斷。這對(duì)于采取正確的治療路線是十分重要的。對(duì)于有ED的病人，如綜合其他病癥判斷為癲癇病人，接著醫(yī)生就需要了解病人的癲癇病發(fā)作的具體情況，發(fā)作頻繁程度如何，ED的數(shù)量和在什么時(shí)間、什么情況下發(fā)作等等，以決定用什么藥、用藥量多少等，在治療一階段以后，醫(yī)生需要知道治療的效果如何、有效、無效、效果好不好等等，考慮是否繼續(xù)用同類藥繼續(xù)治療下去，藥量是否要增減，還是改用另一種藥。癲癇病的病情可主要在ED的數(shù)量和其時(shí)間分布上看到。除非病人的發(fā)作十分頻繁，則在醫(yī)院里，常規(guī)的腦電圖記錄中也可以看到ED，一般需要作動(dòng)態(tài)腦電記錄，就是連續(xù)記錄24小時(shí)的病人腦電。由醫(yī)生來人工分析動(dòng)態(tài)腦電圖是十分費(fèi)時(shí)、費(fèi)力的，因?yàn)?4小時(shí)記錄得到的數(shù)據(jù)量十分龐大，如果逐頁顯示，再由醫(yī)生來判讀，每一份動(dòng)態(tài)腦電圖就需要花費(fèi)醫(yī)生幾個(gè)小時(shí)的時(shí)間，而且還得不到定量的結(jié)果，只是一個(gè)定性印象。如果要做定量測量，那么醫(yī)生再要做很多測量和統(tǒng)計(jì)工作，還要把結(jié)果繪成圖表，這樣一天時(shí)間也許醫(yī)生只能處理一個(gè)病人的動(dòng)態(tài)腦電記錄。有豐富經(jīng)驗(yàn)的腦電分析醫(yī)生目前在大城市中還不多，自然中小城市則更少，甚至沒有，而廣大農(nóng)村、邊緣地區(qū)，更是沒有這方面專業(yè)人才，因此癲癇病人將不可能得到有效的、有針對(duì)性的治療。
對(duì)于動(dòng)態(tài)腦電的判讀迫切需要計(jì)算機(jī)的自動(dòng)化，這項(xiàng)工作國際學(xué)術(shù)界經(jīng)過了20多年的努力，效果已明顯改進(jìn)，尤其是近年來用“人工神經(jīng)網(wǎng)絡(luò)”來檢測ED，更是把這項(xiàng)工作推向一個(gè)新水平，ED的識(shí)別率已明顯提高，假陽性率已大大下降，到目前為止以張彤等在《中國生物醫(yī)學(xué)工程學(xué)報(bào)》1998，17(1)1-11發(fā)表的“腦電圖癲癇波的自動(dòng)檢測與分類”之技術(shù)方案水平最高，他們采用分層次，多方法整合途徑將自動(dòng)適應(yīng)預(yù)測、小波變換、人工神經(jīng)網(wǎng)絡(luò)、模糊識(shí)別系統(tǒng)、專家系統(tǒng)等信號(hào)處理技術(shù)結(jié)合起來，檢測癲癇波取得了良好的結(jié)果，還能對(duì)癲癇波進(jìn)行分型。但該方法相當(dāng)復(fù)雜，需用高速和大容量計(jì)算機(jī)，成本較高，也不利于快速識(shí)別。該論文距實(shí)用、特別是到廣大的小城市、邊疆地區(qū)去推廣應(yīng)用尚有很大距離，如果把該文所得的具體方法、參數(shù)、網(wǎng)絡(luò)連接權(quán)重等固定下來，推廣應(yīng)用，則由于癲癇病人的情況多種多樣，不同地區(qū)、民族也可能有所不同等等，所得的測試結(jié)果不可能都好，也很有可能出現(xiàn)較大性能下降的情況。
在用人工神經(jīng)網(wǎng)絡(luò)識(shí)別ED的過程中，閾值的確定非常重要，當(dāng)一片段腦電信號(hào)輸入人工神經(jīng)網(wǎng)絡(luò)使其網(wǎng)絡(luò)輸出值超過閾值時(shí)，就判斷它為ED。低于閾值時(shí)就判斷它不是ED。當(dāng)閾值設(shè)定偏高時(shí)，則識(shí)別率下降，當(dāng)閾值設(shè)定偏低時(shí)，則假陽性率上升，只有在閾值設(shè)定合適時(shí)才能同時(shí)兼顧識(shí)別率高和假陽性率低。
張彤等論文中設(shè)定的是一個(gè)固定的閾值，為了使識(shí)別率高，必須將閾值設(shè)定偏低，為了消除由此而引起的假陽性率上升問題，他們引入了專家系統(tǒng)等方法，自然，這也不是容易的事。因此他們論文中的“結(jié)論”部分中寫著“專家系統(tǒng)的知識(shí)規(guī)則還有很大補(bǔ)充、修改的余地”。
我們?cè)趯?shí)驗(yàn)中看到同一個(gè)網(wǎng)絡(luò)對(duì)不同病人的ED識(shí)別的最佳閾值是不同的，有的甚至相差較大。如果給網(wǎng)絡(luò)設(shè)定一固定閾值或者只定下一個(gè)閾值范圍，這樣會(huì)因閾值不準(zhǔn)確而影響識(shí)別結(jié)果，這是很難適應(yīng)對(duì)于所有病人的ED的自動(dòng)檢測。
以前，最佳閾值都是由有經(jīng)驗(yàn)的醫(yī)生來確定的。他們也要先設(shè)定一個(gè)值，然后看識(shí)別率和假陽性率的情況，再慢慢調(diào)節(jié)閾值，使識(shí)別率仍然高而假陽性率相當(dāng)?shù)?，才得到最佳閾值?br> 目前，動(dòng)態(tài)腦電記錄都是在記錄完以后才回放和識(shí)別的。在記錄的過程中由于沒有設(shè)定好閾值，無法判斷是否ED。再則由于動(dòng)態(tài)腦電記錄中的微控制器計(jì)算能力有限，無法完成復(fù)雜的識(shí)別工作，只能等記錄完成以后把數(shù)據(jù)送回主機(jī)，由主機(jī)來完成識(shí)別工作。
由主機(jī)來做識(shí)別工作，要化費(fèi)不少時(shí)間才能處理完記錄下來的大量數(shù)據(jù)，使整個(gè)系統(tǒng)的效率大大下降。
癲癇發(fā)作時(shí)病人常會(huì)有失去知覺、倒地、全身抽搐等癥狀，如果病人正在駕駛汽車就會(huì)釀成重大事故。如果發(fā)作前ED增多的情況能及時(shí)發(fā)現(xiàn)，并作出報(bào)警，病人即使在駕車，他可以立即把車停到路邊，就可以避免這類事故。但是，現(xiàn)在的動(dòng)態(tài)腦電記錄儀只能在記錄完以后告訴病人昨天癲癇病的情況。希望動(dòng)態(tài)腦電記錄儀在一邊記錄的同時(shí)，一邊識(shí)別，當(dāng)識(shí)別出ED增多有癲癇發(fā)作前兆時(shí)能立即報(bào)警，病人可立即做出應(yīng)對(duì)措施，避免發(fā)作造成的傷害。對(duì)于這一類智能動(dòng)態(tài)記錄儀，需要有一個(gè)裝置，能計(jì)算出該病人的ED識(shí)別閾值，而且下載給它，它就可以邊記錄，邊識(shí)別了。
迄今為止，能自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)識(shí)別ED閾值的裝置未見報(bào)導(dǎo)，人們一直找不到這樣一項(xiàng)即使對(duì)有經(jīng)驗(yàn)的醫(yī)生也是相當(dāng)復(fù)雜的工作如何交給計(jì)算機(jī)來做的算法。
本發(fā)明的目的提供一種確定用人工神經(jīng)網(wǎng)絡(luò)檢測ED的閾值的方法和無需醫(yī)生參與的全自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)檢測ED的閾值的裝置。
本發(fā)明是這樣實(shí)現(xiàn)的，根據(jù)本發(fā)明人多年來對(duì)ED病人的腦電圖的研究、分析，得出了如何確定ED閾值的方法，其包括如下步驟1、將病人腦電輸入人工神經(jīng)網(wǎng)絡(luò)，并由該網(wǎng)絡(luò)輸出總峰值分布曲線。網(wǎng)絡(luò)輸出一個(gè)個(gè)的峰，把每個(gè)峰值和其出現(xiàn)的次數(shù)畫成一條網(wǎng)絡(luò)輸出峰值分布曲線，即總峰值分布曲線；2、該總峰值分布曲線上存在ED區(qū)，非ED區(qū)和混合區(qū)；對(duì)該總峰值分布曲線上的非ED區(qū)用冪函數(shù)y＝A(C-X)B進(jìn)行擬合，形成擬合曲線；3、將該擬合曲線逐步向總峰值分布曲線上的混合區(qū)外推，直至擬合曲線與X軸相交，便完成對(duì)非ED分布曲線的最后確定；4、將該總峰值分布曲線減去非ED分布曲線，得出ED分布曲線；5、從該ED分布曲線和非ED分布曲線確定ED閾值。
根據(jù)上述的本發(fā)明的確定ED閾值的方法而制造的全自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)識(shí)別癲癇樣放電閾值的裝置。其包括以雙向電路相聯(lián)結(jié)的數(shù)據(jù)采集器和計(jì)算機(jī)，該數(shù)據(jù)采集器與一多路腦電放大器相連接，該計(jì)算機(jī)連接打印機(jī)或直接下載給智能動(dòng)態(tài)腦電記錄儀(

圖1，圖2)，在該計(jì)算機(jī)中的內(nèi)存儲(chǔ)器中建立人工神經(jīng)網(wǎng)絡(luò)的輸入暫存區(qū)，參數(shù)暫存器，并駐留有BP(前饋逆?zhèn)鞑W(xué)習(xí)算法)算法程序，每一路腦電信號(hào)在該神經(jīng)網(wǎng)絡(luò)中有相應(yīng)的輸入節(jié)點(diǎn)，該人工神經(jīng)網(wǎng)絡(luò)(圖3)由二個(gè)三層BP子網(wǎng)絡(luò)組成，分別稱為左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò)，左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò)的輸出經(jīng)加權(quán)平均后，組成網(wǎng)絡(luò)輸出O，左、右子網(wǎng)絡(luò)各有三層輸入層、隱含層和輸出層，在該計(jì)算機(jī)的內(nèi)存中分別設(shè)置輸入層數(shù)據(jù)存貯區(qū)、隱含層數(shù)據(jù)存貯區(qū)和輸出層數(shù)據(jù)存儲(chǔ)區(qū)，對(duì)于一個(gè)BP子網(wǎng)絡(luò)，Wji表示輸入層第i個(gè)節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重，Wlj表示隱含層第j個(gè)節(jié)點(diǎn)到輸出層第l個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重，隱含層和輸出層的節(jié)點(diǎn)含有偏置值；θj表示隱含層第j個(gè)節(jié)點(diǎn)的偏置值，θl表示輸出層第l個(gè)節(jié)點(diǎn)的偏置值；隱含層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)的輸入輸出激勵(lì)函數(shù)采用“S”型函數(shù)f(X)＝1/(1+exp(-X))；一個(gè)輸入層有ni個(gè)節(jié)點(diǎn)，隱含層有nj個(gè)節(jié)點(diǎn)，輸出層有nl個(gè)節(jié)點(diǎn)的子網(wǎng)絡(luò)，Pi表示子網(wǎng)絡(luò)第i個(gè)節(jié)點(diǎn)的輸入值，HINj表示隱含層第j個(gè)節(jié)點(diǎn)的輸入值，HOUTj表示隱含層第j個(gè)節(jié)點(diǎn)的激活值，OINl表示輸出層第l個(gè)節(jié)點(diǎn)的輸入值，OOUTl表示輸出層第l個(gè)節(jié)點(diǎn)的輸出值，其前饋按下列前饋公式進(jìn)行計(jì)算；HInj=Σi=1ni(Wji×Pi)+θj]]>HOUTj＝1/(1+exp(-HINj))OINl=Σj=1nj(Wlj×HOUTj)+θl]]>OOUTl＝1/(1+exp(-OINl))輸出層只有一個(gè)節(jié)點(diǎn)，左、右兩個(gè)子網(wǎng)絡(luò)的輸出分別表示為Ol和Or，左子網(wǎng)絡(luò)的加權(quán)系數(shù)為
，則右子網(wǎng)絡(luò)的加權(quán)系數(shù)為
，網(wǎng)絡(luò)的輸出
，其輸出值為0～1之間的一個(gè)確定值；本發(fā)明的特點(diǎn)是在該計(jì)算機(jī)內(nèi)存貯器中駐留如后面要說明的確定閾值程序模塊。腦電信號(hào)輸入本發(fā)明裝置后，人工神經(jīng)網(wǎng)絡(luò)輸出的峰值組成峰值分布曲線，據(jù)此曲線經(jīng)閾值確定程序處理后，產(chǎn)生確定的閾值，最后由打印機(jī)打印閾值數(shù)值或直接下載給智能動(dòng)態(tài)腦電記錄儀。
上述的與多路腦電放大器相連接的電極，其安置系采用國際10-20系統(tǒng)，頭皮單極16通道記錄結(jié)構(gòu)；而該前饋逆?zhèn)鞑W(xué)習(xí)算法網(wǎng)絡(luò)的誤差函數(shù)預(yù)置值E＝0.01，學(xué)習(xí)因子η＝0.01；動(dòng)量因子α＝0.05，隱含層節(jié)點(diǎn)個(gè)數(shù)H＝16，左子網(wǎng)絡(luò)加權(quán)系數(shù)
，ED與非ED模式的標(biāo)準(zhǔn)差倍數(shù)M＝10。
本裝置處理的病人是用“全自動(dòng)判斷腦電圖中有無癲癇樣放電裝置”分析過而且判定為有ED的病人。
本發(fā)明的優(yōu)點(diǎn)1、實(shí)現(xiàn)不需醫(yī)生參與的全自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)識(shí)別ED的閾值，其結(jié)果接近有經(jīng)驗(yàn)醫(yī)生的水平。
2、省卻了醫(yī)生的繁瑣、艱苦的勞動(dòng)，省時(shí)，省力，因此特別適用于廣大的小城鎮(zhèn)、農(nóng)村和邊遠(yuǎn)地區(qū)，因?yàn)槟抢锔揪蜎]有有經(jīng)驗(yàn)的腦電醫(yī)生。病人得癲癇病后，必須到大中城市才能治療、費(fèi)錢又費(fèi)時(shí)。
3、本裝置和智能動(dòng)態(tài)腦電儀結(jié)合，可使該記錄儀發(fā)展成為有實(shí)時(shí)報(bào)警功能的裝置，有利于病人在報(bào)警后，采取措施避免發(fā)作引起的傷害，使之成為邊記錄、邊識(shí)別的動(dòng)態(tài)腦電記錄儀，使主機(jī)效率大大提高，產(chǎn)生明顯的經(jīng)濟(jì)效益。
4、由于本裝置對(duì)于每個(gè)病人，計(jì)算出適合該病人的閾值，再對(duì)該病人進(jìn)行檢測，因此有很強(qiáng)的適應(yīng)能力，可以在不同地區(qū)、不同民族的區(qū)域內(nèi)應(yīng)用。
本發(fā)明的附圖簡單說明如下圖1是使用本發(fā)明與一多路腦電放大器及打印機(jī)或一智能動(dòng)態(tài)腦電記錄儀構(gòu)成全自動(dòng)確定用人工神經(jīng)網(wǎng)絡(luò)檢測腦電圖中ED的閾值的系統(tǒng)的方塊示意圖。
圖2是本發(fā)明中的數(shù)據(jù)采集器電路原理圖。
圖3是本發(fā)明中的BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖。
圖4是本發(fā)明中的確定閾值程序模塊的流程圖。
圖5是病人A三種峰值分布曲線圖。
圖6是病人B三種峰值分布曲線圖。
圖7是病人C三種峰值分布曲線圖。
下面根據(jù)圖1～圖4給出本發(fā)明一個(gè)較好實(shí)施例，并予以詳細(xì)描述，以使能更好地說明本發(fā)明的結(jié)構(gòu)特征、功能，而不是用來限制本發(fā)明的權(quán)利要求保護(hù)范圍。
請(qǐng)參閱圖1和圖2，如圖所示，本發(fā)明裝置包括以雙向電路聯(lián)結(jié)的數(shù)據(jù)采集器2和計(jì)算機(jī)3，該數(shù)據(jù)采集器2與多路腦電放大器1相連接，該計(jì)算機(jī)3輸出的閾值由打印機(jī)4打印，也可由顯示屏顯示，或通過串口下載到智通動(dòng)態(tài)腦電記錄儀。在本實(shí)施例中，多路腦電放大器1為16道腦電放大器；實(shí)驗(yàn)時(shí)采用日本光電公司(NIHON KOHDEN)4217型腦電圖機(jī)記錄腦電圖，記錄電極的安置采用國際10-20系統(tǒng)頭皮單極16道記錄，經(jīng)高通0.3Hz和低通60Hz濾波后描記在紙上，同時(shí)把放大后的腦電信號(hào)送入數(shù)據(jù)采集器2、該數(shù)據(jù)采集器2的模數(shù)轉(zhuǎn)換的位數(shù)為10bit，采集頻率為200次/秒，計(jì)算機(jī)3采用486微型計(jì)算機(jī)。
請(qǐng)參閱圖3，它顯示本發(fā)明的人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，它是以蓋博(Gabor)等的方法為基礎(chǔ)，經(jīng)對(duì)網(wǎng)絡(luò)參數(shù)優(yōu)化后的BP網(wǎng)絡(luò)，它由二個(gè)三層BP子網(wǎng)絡(luò)組成，分別稱為左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò)，各有三層輸入層、隱含層和輸出層，對(duì)于一個(gè)BP子網(wǎng)絡(luò)，Wji表示輸入層第i個(gè)節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重，Wlj表示隱含層第j個(gè)節(jié)點(diǎn)到輸出層第l個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重，隱含層和輸出層的節(jié)點(diǎn)含有偏置值。θj表示隱含層第j個(gè)節(jié)點(diǎn)的偏置值，θl表示輸出層第l個(gè)節(jié)點(diǎn)的偏置值。隱含層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)的輸入輸出激勵(lì)函數(shù)采用“S”型函數(shù)f(X)＝1/(1+exp(-X))該網(wǎng)絡(luò)的誤差函數(shù)預(yù)置值E＝0.01；學(xué)習(xí)因子η＝0.01；動(dòng)量因子α＝0.05；輸入層節(jié)點(diǎn)和隱含層節(jié)點(diǎn)個(gè)數(shù)均為16，輸出層節(jié)點(diǎn)數(shù)為1。左子網(wǎng)絡(luò)加權(quán)系數(shù)
；ED與非ED模式之間的標(biāo)準(zhǔn)差倍數(shù)M＝10。
設(shè)對(duì)于一個(gè)輸入層有ni個(gè)節(jié)點(diǎn)，隱含層有nj個(gè)節(jié)點(diǎn)，輸出層有nl個(gè)節(jié)點(diǎn)的子網(wǎng)絡(luò)，Pi表示子網(wǎng)絡(luò)第i個(gè)節(jié)點(diǎn)的輸入值，HINj為隱含層第j個(gè)節(jié)點(diǎn)的輸入值。HOUTj表示隱含層第j個(gè)節(jié)點(diǎn)的激活值。OINl表示輸出層第l個(gè)節(jié)點(diǎn)的輸入值。OOUTl表示輸出層第l個(gè)節(jié)點(diǎn)的輸出值，本發(fā)明的前饋按下列公式進(jìn)行計(jì)算；HInj=Σi=1ni(Wji×Pi)+θj,]]>HOUTj＝1/(1+exp(-HINj))，OINl=Σj=1nj(Wlj×HOUTj)+θl,]]>OOUTl＝1/(1+exp(-OINl))。
輸出層只有一個(gè)節(jié)點(diǎn)，左右兩個(gè)子網(wǎng)絡(luò)的輸出分別表示為Ol和Or。左子網(wǎng)絡(luò)的加權(quán)系數(shù)為
，右子網(wǎng)絡(luò)的加權(quán)系數(shù)為
，則網(wǎng)絡(luò)輸出為
我們?cè)谟?jì)算機(jī)3的內(nèi)存區(qū)建立了上述BP網(wǎng)絡(luò)的算法，16路腦電信號(hào)送入BP網(wǎng)絡(luò)的相應(yīng)的16個(gè)輸入節(jié)點(diǎn)Pl1、Pl2……Pl16；Pr1、Pr2……Pr16；網(wǎng)絡(luò)輸出值為0～1之間的某一確定值。
自動(dòng)確定閾值的方法說明如下本發(fā)明中確定閾值的算法的基礎(chǔ)是網(wǎng)絡(luò)輸出峰值分布曲線，將病人腦電輸入人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出曲線的高低變化形成一個(gè)個(gè)的峰，每個(gè)峰有峰值。把峰值和該峰值發(fā)生的次數(shù)畫成一條曲線即網(wǎng)絡(luò)輸出值分布曲線(簡稱總峰值分布曲線)。在這些峰中間，有的是ED形成的峰，有的是非ED形成的峰，總峰值分布曲線是由這二部分疊加而成的，對(duì)于ED形成的峰由其峰值與該峰值發(fā)生的次數(shù)可畫出ED峰值分布曲線，同樣方法可畫出非ED峰值分布曲線，本算法的要點(diǎn)是要把總峰值分布曲線分解開來，分成ED和非ED二條峰值分布曲線。
一、總峰值分布曲線的特點(diǎn)對(duì)ED為彌漫型棘慢復(fù)合波的病人A，ED為彌漫型尖慢復(fù)合波的病人B和ED為局灶型的棘波病人C，對(duì)它們?nèi)说目偡逯捣植记€進(jìn)行仔細(xì)觀察，如圖5、圖6和圖7所示，可以看到總峰值分布曲線存在三個(gè)顯著區(qū)分的區(qū)域ED區(qū)(ED的峰占95％以上)，非ED區(qū)(非ED區(qū)的峰占95％以上)和混合區(qū)(ED的峰約占30％，非ED的峰約占70％)。
二、對(duì)上述病人和另外7位病人的非ED峰值分布曲線進(jìn)行分析，它們可用冪函數(shù)y＝A(C-X)B進(jìn)行回歸分析，y是峰的個(gè)數(shù)，x是峰值，A、B、C三個(gè)是常數(shù)。非ED峰值分布曲線用冪函數(shù)擬合后，其相關(guān)系數(shù)均大于相關(guān)系數(shù)臨界值r0.01，表明冪函數(shù)回歸方程是有效的。
三、峰值分布曲線的分解分解方法的思路是在總峰分布曲線的非ED區(qū)內(nèi)簡化地認(rèn)為就是非ED峰值分布曲線，用冪函數(shù)y＝A(C-X)B進(jìn)行擬合。然后再將此擬合曲線向混合區(qū)外推。
為了提高擬合的精度，把某一峰值PVi的總的出現(xiàn)次數(shù)小于從擬合曲線計(jì)算出的出現(xiàn)次數(shù)，該峰值PVi以下的各峰值的出現(xiàn)次數(shù)均認(rèn)為近似是非ED形成的，再重新擬合，一直到這種情況不再出現(xiàn)為止。擬合曲線計(jì)算出來的出現(xiàn)次數(shù)是非ED的出現(xiàn)次數(shù)，總出現(xiàn)次數(shù)應(yīng)大于等于非ED的出現(xiàn)次數(shù)，因?yàn)檫€有ED的出現(xiàn)次數(shù)疊加在上面。如果小于非ED出現(xiàn)次數(shù)，則實(shí)驗(yàn)表明就可作上述近似簡化。這樣不斷增加參加擬合的曲線上的點(diǎn)，就可以提高擬合精度，因?yàn)榉荅D峰值分布曲線有相當(dāng)大的漲落。
當(dāng)擬合曲線與x軸相交即y＝0時(shí)，擬合結(jié)束。y不可能是負(fù)數(shù)。這時(shí)的擬合曲線就代表非ED峰值分布曲線，總峰值分布曲線減去非ED峰值分布曲線，就得ED峰值分布曲線，分解完成。
請(qǐng)參閱圖4，它示出了本發(fā)明的確定閾值程序的流程圖，其步驟如下程序開始→步驟10，判別該病人是否有專用人工神經(jīng)網(wǎng)絡(luò)，有則→步驟11，輸入專用神經(jīng)網(wǎng)絡(luò)的連接權(quán)重，偏置值等→步驟13，把它們存入現(xiàn)用人工神經(jīng)網(wǎng)絡(luò)參數(shù)存儲(chǔ)區(qū)。若該病人沒有專用網(wǎng)絡(luò)→步驟12，從內(nèi)部存儲(chǔ)區(qū)取出基本人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)重，偏置值等→步驟13?！襟E14，將病人腦電信號(hào)輸入現(xiàn)用人工神經(jīng)網(wǎng)絡(luò)→步驟15，測量網(wǎng)絡(luò)輸出峰值PV，計(jì)算PV與其出現(xiàn)次數(shù)y的關(guān)系，即峰值分布曲線y＝f(PV)→步驟16，判別峰的總個(gè)數(shù)≥3000嗎？若小于3000個(gè)，則返回步驟14，若大于等于3000個(gè)，則→步驟17，找出PV在0.70以下范圍內(nèi)的y的最大值yo，此時(shí)PV＝PVo，則→步驟18，從PVo開始逐漸增大PV值，找出PVw，使y(PVw)≤(1/8)yo，令PVk＝PVw，→步驟19，從PVo到PVk的峰值分布曲線用冪函數(shù)yc＝A(C-PV)B進(jìn)行擬合，→步驟20，將此擬合曲線從PVk向PV值增加的方向逐步外推，并計(jì)算yc，→步驟21，判別yc≤0？若yc≤0執(zhí)行步驟24，若Yc＞0則執(zhí)行步驟22，若y≥yc，則返回，執(zhí)行步驟20，若y＜yc，→步驟23，使PVk＝PVi，并返回執(zhí)行步驟19；若執(zhí)行步驟21時(shí)之yc≤0，則執(zhí)行步驟24，擬合曲線結(jié)束，近似認(rèn)為yc＝A(C-PV)B是非ED的網(wǎng)絡(luò)輸出峰值分布曲線，→步驟25，計(jì)算ED分布曲線ye＝g(PV)即在相同PV時(shí)，ye＝y(tǒng)-yc，若在某一PVi值時(shí)y＜yc，則此時(shí)令g(PVi)＝0，→步驟26，計(jì)算各PV值時(shí)的假陽性率，→步驟27，設(shè)在PV＝PVs時(shí)假陽性率最接近10％，則定義閾值PVT＝PVs，→步驟28，將閾值PVT打印輸出并在監(jiān)視器上顯示，程序結(jié)束。
還要說明的是一、步驟10-13決定現(xiàn)用人工神經(jīng)網(wǎng)絡(luò)的參數(shù)，若病人有專用神經(jīng)網(wǎng)絡(luò)，則此專用人工神經(jīng)網(wǎng)絡(luò)即為現(xiàn)用人工神經(jīng)網(wǎng)絡(luò)，若病人沒有專用人工神經(jīng)網(wǎng)絡(luò)，本裝置以基本人工神經(jīng)網(wǎng)絡(luò)為現(xiàn)用人工神經(jīng)網(wǎng)絡(luò)，該基本人工神經(jīng)網(wǎng)絡(luò)由ED為彌漫性棘慢復(fù)合波的病人的ED訓(xùn)練而得。
二、步驟14-16是為獲得總峰值分布曲線。峰的總個(gè)數(shù)如不足3000，則漲落現(xiàn)象引起曲線的統(tǒng)計(jì)誤差偏大。
三、步驟17-19將總峰值分布曲線的非ED區(qū)作為非ED分布曲線，用冪函數(shù)擬合。
四、步驟19-23將擬合曲線逐步向混合區(qū)外推。
步驟24-29擬合結(jié)束，把擬合曲線yc＝A(C-PV)B就近似作為非ED分布曲線(步驟24)，用總峰值分布曲線減去非ED分布曲線就剩下ED分布曲線(步驟25)。根據(jù)ED分布曲線可算出ED的總數(shù)TN，在某一閾值PV以上區(qū)域內(nèi)非ED的個(gè)數(shù)總和為FN，則可算出相對(duì)于該閾值PV時(shí)的假陽性率FP＝FN/TN就可以據(jù)此定出閾值(步驟26-27)。
定義假陽性率多少時(shí)為閾值，國際上并不一致，有的定為20％、有10％、也有5％。比較下來10％比較適中，因此選定這個(gè)值，這說明根據(jù)本算法定出的閾值而確定ED中約有10％的假陽性率。
步驟28，打印和顯示閾值PVT或下載至一智能動(dòng)態(tài)腦電記錄儀，程序結(jié)束。
權(quán)利要求
1.一種確定識(shí)別癲癇樣放電閾值的方法，其步驟包括a、將病人腦電輸入人工神經(jīng)網(wǎng)絡(luò)，并由該網(wǎng)絡(luò)的輸出計(jì)算出總峰值分布曲線，網(wǎng)絡(luò)輸出一個(gè)個(gè)的峰，把每個(gè)峰值和其出現(xiàn)的次數(shù)畫成一條網(wǎng)絡(luò)輸出峰值分布曲線，即總峰值分布曲線，b、對(duì)該總峰值分布曲線的非ED區(qū)用冪函數(shù)y＝A(C-X)B進(jìn)行擬合，形成擬合曲線，c、將該擬合曲線逐步向總峰值分布曲線上的混合區(qū)外推，直至擬合曲線與x軸相交，便完成對(duì)非ED分布曲線的最后確定，d、將該總峰值分布曲線減去非ED分布曲線，得出ED分布曲線，e、從該ED分布曲線和非ED分布曲線確定ED閾值。
2.根據(jù)權(quán)利要求1所述的確定識(shí)別癲癇樣放電的閾值的方法制成的自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)識(shí)別癲癇樣放電閾值的裝置，包括以雙向電路相聯(lián)結(jié)的數(shù)據(jù)采集器和計(jì)算機(jī)，該數(shù)據(jù)采集器與一多路腦電放大器相連接，該計(jì)算機(jī)連接打印機(jī)或直接下載給智能動(dòng)態(tài)腦電記錄儀，在該計(jì)算機(jī)中建立人工神經(jīng)網(wǎng)絡(luò)，每一路腦電信號(hào)在該神經(jīng)網(wǎng)絡(luò)中有相應(yīng)的輸入節(jié)點(diǎn)，以及駐留有BP算法程序，該人工神經(jīng)網(wǎng)絡(luò)由二個(gè)三層BP子網(wǎng)絡(luò)組成，分別稱為左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò)，左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò)的輸出經(jīng)加權(quán)平均后，組成網(wǎng)絡(luò)輸出O，左、右子網(wǎng)絡(luò)各有三層輸入層、隱含層和輸出層，在該計(jì)算機(jī)的內(nèi)存中分別設(shè)置輸入層數(shù)據(jù)存貯區(qū)、隱含層數(shù)據(jù)存貯區(qū)和輸出層數(shù)據(jù)存儲(chǔ)區(qū)，對(duì)于一個(gè)BP子網(wǎng)絡(luò)，Wji表示輸入層第i個(gè)節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重，Wlj表示隱含層第j個(gè)節(jié)點(diǎn)到輸出層第l個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重，隱含層和輸出層的節(jié)點(diǎn)含有偏置值；θj表示隱含層第j個(gè)節(jié)點(diǎn)的偏置值，θl表示輸出層第l個(gè)節(jié)點(diǎn)的偏置值；隱含層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)的輸入輸出激勵(lì)函數(shù)采用“S”型函數(shù)f(X)＝1/(1+exp(-X))一個(gè)輸入層有ni個(gè)節(jié)點(diǎn)，隱含層有nj個(gè)節(jié)點(diǎn)，輸出層有nl個(gè)節(jié)點(diǎn)的子網(wǎng)絡(luò)，Pi表示子網(wǎng)絡(luò)第i個(gè)節(jié)點(diǎn)的輸入值，HINj表示隱含層第j個(gè)節(jié)點(diǎn)的輸入值，HOUTj表示隱含層第j個(gè)節(jié)點(diǎn)的激活值，OINl表示輸出層第l個(gè)節(jié)點(diǎn)的輸入值，OOUTl表示輸出層第l個(gè)節(jié)點(diǎn)的輸出值，則前饋按下列公式進(jìn)行計(jì)算；HINj=Σi=1ni(Wji×Pi)×θj]]>HOUTj＝1/(1+exp(-HINj))OINl=Σj=1nj(Wlj×HOUTj)+θl]]>OOUTl＝1/(1+exp(-OINl))對(duì)于輸出層只有一個(gè)節(jié)點(diǎn)的子網(wǎng)絡(luò)，左右兩個(gè)子網(wǎng)絡(luò)的輸出分別表示為Ol和Or，左子網(wǎng)絡(luò)的加權(quán)系數(shù)為
，則右子網(wǎng)絡(luò)的加權(quán)系數(shù)為
，并網(wǎng)絡(luò)輸出算出總峰值分布曲線，其特征在于在該計(jì)算機(jī)的內(nèi)存貯器中還駐留與該人工神經(jīng)網(wǎng)絡(luò)以程序聯(lián)結(jié)的確定閾值程序模塊。
3.根據(jù)權(quán)利要求2所述的自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)識(shí)別癲癇樣放電閾值的裝置，其特征在于所說的確定閾值程序模塊，其流程結(jié)構(gòu)如圖4所示。
全文摘要
一種自動(dòng)確定人工神經(jīng)網(wǎng)絡(luò)識(shí)別癲癇樣放電閾值的方法及裝置,包括以雙向電路聯(lián)結(jié)的數(shù)據(jù)采集器、計(jì)算機(jī),并在該計(jì)算機(jī)內(nèi)存建立BP人工神經(jīng)網(wǎng)絡(luò)輸入暫存區(qū),參數(shù)暫存區(qū),該人工神經(jīng)網(wǎng)絡(luò)輸出總峰值分布曲線,特點(diǎn)是包括以程序聯(lián)結(jié)的確定閾值程序模塊,使得可依藉本發(fā)明裝置實(shí)現(xiàn)無醫(yī)生參與的全自動(dòng)確定用人工神經(jīng)網(wǎng)絡(luò)識(shí)別腦電圖中的癲癇樣放電的閾值。
文檔編號(hào)G06F19/00GK1255320SQ99124210
公開日2000年6月7日 申請(qǐng)日期1999年12月3日 優(yōu)先權(quán)日1999年12月3日
發(fā)明者陳俊強(qiáng), 劉書朋 申請(qǐng)人:中國科學(xué)院上海生理研究所