科创中国
基于深度学习和电生理信号的癫痫病灶区定位系统及方法
成果类型：: 发明专利
发布时间: 2023-10-17 17:16:19
科技成果产业化落地方案
方案提交机构：天津市滨海新区| 宋学姮 | 2023-10-31 10:54:27
本发明公开了基于深度学习和电生理信号的癫痫病灶区定位系统及方法，包括：脑影像合成模块用于获取脑影像数据，并进行融合确定患者脑结构异常与脑代谢异常区域，对颅内电极脑影像数据的三维重构，确定每个电极位点具体的脑沟回结构，生成脑影像病理结果；脑电信号处理模块用于获取颅内脑电信号，并结合多模态电生理信号和电刺激结构连接信号，进行正常电极与癫痫致痫区电极的分类生成电极分类结果；三维立体成像模块分别与脑影像合成模块、脑电信号处理模块连接，用于将脑影像合成模块生成的脑影像病理结果结合脑电信号处理模块生成的电极分类结果，准确地模拟出患者需要切除的脑结构三维立体模型。本发明提高了癫痫致痫灶检测定位效率和准确率。
1.一种基于深度学习和电生理信号的癫痫病灶区定位系统，其特征在于，包括：
脑影像合成模块，用于获取脑影像数据，并将所述脑影像数据进行融合，确定患者脑结构异常与脑代谢异常区域，同时通过对颅内电极脑影像数据的三维重构，确定每个电极位点具体的脑沟回结构，生成脑影像病理结果；
脑电信号处理模块，用于获取颅内脑电信号，并利用人工智能算法对所述颅内脑电信号进行机器判读，结合多模态电生理信号和电刺激结构连接信号，进行正常电极与癫痫致痫区电极的分类，生成电极分类结果；
三维立体成像模块，所述三维立体成像模块分别与所述脑影像合成模块、脑电信号处理模块连接，用于将所述脑影像合成模块生成的脑影像病理结果结合所述脑电信号处理模块生成的电极分类结果，模拟出患者需要切除的脑结构三维立体模型。
2.根据权利要求1所述的基于深度学习和电生理信号的癫痫病灶区定位系统，其特征在于，所述脑影像合成模块包括：
磁共振图像获取单元，用于通过磁共振成像数据处理，获取MRI脑影像数据；
正电子发射断层扫描数据获取单元，用于通过正电子发射断层扫描数据处理,获取PET脑影像数据；
癫痫是影响全世界1％人的神经系统疾病之一，局灶性癫痫患者占癫痫患者总数的50％。然而30％局灶性癫痫患者的病情不能用药物得到有效控制，只有在外科手术的帮助下才能将致痫区切除，从而达到减少或遏制癫痫发作的目的。立体定向脑电图(stereo-EEG,SEEG)，将电极植入患者颅内，能直接记录脑沟回的神经活动，因而能够更准确的定位癫痫致痫区。临床医生通过数十天的24小时不间断的SEEG监控(静息态、睡眠态、癫痫发作态)，从而做出手术计划。但是此法需要临床医生进行大量的脑电图的判读，费时费力，且由于专家临床经验的差异给检测定位结果的准确性带来了量化的困难，评估结果稳定性欠佳。所以，如何有效且精准地检测定位癫痫致痫区，是目前临床研究中的一个热点。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
本发明的有益效果：本发明的基于深度学习和电生理信号的癫痫病灶区定位系统，可以在三维立体结构中绘制出癫痫致痫灶的区域轮廓，以准确定位出癫痫致痫灶，提高了癫痫致痫灶检测定位效率和准确率；并且从最终得到的结果图，可以得到更清晰的脑电结果图，提高了脑电图阅读的效率。
本发明实施例的基于深度学习和电生理信号的癫痫病灶区定位系统及方法，结合人工智能算法，极大的节省了医生对脑电图判读的工作量。同时，结合人工对于脑结构和脑代谢的判断，融合了机器判断的结果，提高了癫痫致痫灶检测定位效率和准确率。
技术合作
对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
下载app