本发明涉及疾病诊断领域，尤其涉及一种神经内科疾病辅助诊断方法及装置。
背景技术：
1、人脑是中枢神经系统的关键组成部分，癫痫是一种常见的神经系统疾病，会影响大脑中的中枢神经系统。癫痫是一种大脑皮层反复、异常放电所造成的神经功能缺损的综合症，它可以改变情绪、行动、行为和意识程度。癫痫发作定义为有两次或两次以上临床症状发作，且发作间隔至少24小时，所以癫痫患者通常经历多次癫痫发作。全身性、局灶性和不明原因的癫痫发作是三种主要类型的癫痫发作，局灶性癫痫发作，也称为部分癫痫发作，发生在约60%的癫痫患者中，集中发作的特征有时会与精神疾病或其他神经系统疾病的症状相混淆，随着癫痫发作的加剧，患者可能同时出现运动和非运动症状。全身性癫痫可以是非运动性的，即不涉及身体运动，也可以是运动性的，即涉及身体运动，如面部抽搐、四肢瘫软、肌肉僵硬、口吐白沫以及全身癫痫性痉挛等。
2、在目前临床治疗中，医生多通过脑电信号对患者在一定时期内进行评估以确定其发病的大脑部位和发病表现。当癫痫发作时，脑电图中会产生特定的脑电波形，区别于正常脑电。然而，这种传统的检测和诊断方式往往需要专业医师依据经验对长程脑电图通过肉眼判定，这一过程耗时、主观性强，而且存在大量噪声。并且，人体不自主抽搐是癫痫发作的重要表现，但是导致抽搐的原因多种多样，如：人体静脉注射、外界惊吓、电子设备干扰、睡觉时的翻身等等，所以仅通过医生肉眼分析脑电图也极易造成误判。
技术实现思路
1、为了解决以上的技术问题，本技术实施例提供一种神经内科疾病辅助诊断方法及装置，能够通过记录患者在时间过程中的脑电信号，并通过神经网络模型对脑电信号进行特征以及自动化的发病预测。
2、为了达到上述目的，本技术实施例采用的技术方案如下：
3、第一方面，提供一种神经内科疾病辅助诊断方法，应用于脑电监护系统，所述脑电监护系统包括脑电数据采集装置、医生监护端和服务器，所述脑电数据采集装置与所述医生监护端与所述服务器连接，所述脑电数据采集装置用于采集待诊断患者的时间序列脑电信号，所述方法应用于所述服务器，所述方法包括：对所述时间序列脑电信号进行预处理，剔除所述时间序列脑电信号中的噪音以及不属于脑电信号模态的干扰信息，得到目标脑电信号；对所述目标脑电信号进行分割得到多段脑电信号，并对所述多段脑电信号进行特征提取得到多个有效特征，将多个所述有效特征基于时序组合得到关于所述目标脑电信号的初始特征图；将所述初始特征图输入至预测模型得到预测结果，所述预测模型包括注意力模块和时间循环神经网络，所述注意力模块包括通道注意力子模块和空间注意力子模块；所述初始特征图经过所述通道注意力子模块，将通道权重和所述初始特征图相乘后送入所述空间注意力子模块，将归一化后的空间权重和所述空间注意力子模块的输入特征图相乘，得到加权后的中间特征图，将所述中间特征图输入至所述时间循环神经网络得到发病预测结果，所述发病预测结果为发病前期概率和发病间期概率。
4、进一步的，在对所述时间序列脑电信号进行预处理之前还包括对所述时间序列脑电信号进行补偿处理，具体包括以下步骤：获取所述时间序列脑电信号中信号的变化强度得到信号变化强度值，将所述信号变化强度值与预设置的信号变化标准强度值进行比较得到差值，当所述差值小于差值阈值时则对所述时间序列脑电信号进行插值补偿。
5、进一步的，所述对所述时间序列脑电信号进行预处理，包括：对所述时间序列脑电信号进行降噪处理，得到消除噪音后的初始时间序列脑电信号，并将所述初始时间序列脑电信号进行模态分解，将不属于脑电信号的干扰信息进行剔除得到目标脑电信号；所述对所述时间序列脑电信号进行降噪处理，包括：依次对所述时间序列脑电信号进行滤波处理、外部噪音去除处理，得到所述初始时间序列脑电信号。
6、进一步的，所述将所述初始时间序列脑电信号进行模态分解，将不属于脑电信号的干扰信息进行剔除得到目标脑电信号，包括：对所述初始时间序列脑电信号进行小波变换，得到低频近似分量和高频细节分量；对所述低频近似分量和所述高频细节分量分别进行单支重构及经验模态分解，得到多个imf分量并进行独立成分分解，得到多个所述imf分量以及多个所述imf分量对应的多个样本熵值，将多个所述样本熵值与预设置熵值阈值进行比较，大于所述熵值阈值的所述样本阈值所对应的所述imf分量为干扰信号，剔除所述干扰信号得到初始脑电信号，对所述初始脑电信号进行逆变换得到所述目标脑电信号。
7、进一步的，所述对所述低频近似分量和所述高频细节分量分别进行单支重构及经验模态分解，得到多个imf分量并进行独立成分分解，得到多个所述imf分量以及多个所述imf分量对应的多个样本熵值，包括：在所述低频近似分量和所述高频细节分量中加入高斯白噪声得到更新信号，并对所述更新信号进行经验模态分解得到模态分量以及对应的余量，确定所述余量的个数直至所述余量的个数小于两个，得到多个所述imf分量；对所述imf分量基于fastica分解得到所述imf分量对应的所述样本熵值。
8、进一步的，所述对所述目标脑电信号进行分割得到多段脑电信号，包括：对所述目标脑电信号进行频带划分得到关于所述目标脑电信号的多个频带，每个频带为对应的一段脑电信号；所述对所述多段脑电信号进行特征提取得到多个有效特征，包括：对所述频带进行特征提取得到每个所述频带内的多个子特征，基于分类器将多个所述子特征进行分类，将符合分类要求的所述子特征作为有效特征；所述将多个所述有效特征基于时序组合得到关于所述目标脑电信号的初始特征图，包括：将多个所述有效特征基于时序组合得到关于所述目标脑电信号的初始特征图。
9、进一步的，所述通道注意力子模块用于接收所述初始特征图的特征映射，并根据信道进行全局最大池化处理和平均池化处理，得到两个一维特征向量，并将两个所述一维特征向量输入至感知机中进行相加后通过relu激活函数来筛选对应的特征，输出得到信道关注特征；将所述信道关注特征与所述一维特征向量相加并通过sigmoid激活函数输出经过通道注意力模块强化后的通道特征图。
10、进一步的，所述空间注意力子模块接收所述通道特征图，通过在通道维度上对所述通道特征图分别执行全局平均池化和全局最大池化操作，得到两个通道描述，两个所述通道描述分别表示每个位置的平均值和最大值；将两个所述通道描述在通道维度上进行拼接，形成拼接特征图，所述拼接特征图通过卷积层进行卷积操作以及sigmoid激活函数操作，得到每个位置的空间权重系数，并将所述通道特征图与所述空间权重系数的各元素相乘，得到经过所述空间注意力子模块强化后的特征为中间特征图。
11、第二方面，提供一种神经内科疾病辅助诊断装置，所述装置应用于脑电监护系统，所述脑电监护系统包括脑电数据采集装置、医生监护端和服务器，所述脑电数据采集装置与所述医生监护端与所述服务器连接，所述脑电数据采集装置用于采集待诊断患者的时间序列脑电信号，所述装置应用于所述服务器，所述装置包括：数据处理模块，用于对所述时间序列脑电信号进行预处理，剔除所述时间序列脑电信号中的噪音以及不属于脑电信号模态的干扰信息，得到目标脑电信号；特征提取模块，用于对所述目标脑电信号进行分割得到多段脑电信号，并对所述多段脑电信号进行特征提取得到多个有效特征，将多个所述有效特征基于时序组合得到关于所述目标脑电信号的初始特征图；预测模块，用于将所述初始特征图输入至预测模型得到预测结果。
12、进一步的，所述数据处理模块包括：降噪子模块，用于对所述时间序列脑电信号进行降噪处理，得到消除噪音后的初始时间序列脑电信号；模态分解子模块，用于将所述初始时间序列脑电信号进行模态分解，将不属于脑电信号的干扰信息进行剔除得到目标脑电信号。
13、本技术实施例提供的技术方案中，通过对采集到的时间序列脑电信号进行预处理剔除时间序列脑电信号中的噪音，并提取时间序列脑电信号中与疾病相关模态的信号，并提取此信号中与疾病相关的特征并将特征通过预测模型得到患病可能性，得到对应的诊断结果。本技术实施例能够实现自动化信号处理、特征提取以及患病预测，实现了整体自动化的辅助诊断，提高了关于神经内科疾病尤其是针对于癫痫疾病的提前预测。
1.一种神经内科疾病辅助诊断方法，其特征在于，应用于脑电监护系统，所述脑电监护系统包括脑电数据采集装置、医生监护端和服务器，所述脑电数据采集装置与所述医生监护端与所述服务器连接，所述脑电数据采集装置用于采集待诊断患者的时间序列脑电信号，所述方法应用于所述服务器，所述方法包括：
2.根据权利要求1所述的神经内科疾病辅助诊断方法，其特征在于，在对所述时间序列脑电信号进行预处理之前还包括对所述时间序列脑电信号进行补偿处理，具体包括以下步骤：获取所述时间序列脑电信号中信号的变化强度得到信号变化强度值，将所述信号变化强度值与预设置的信号变化标准强度值进行比较得到差值，当所述差值小于差值阈值时则对所述时间序列脑电信号进行插值补偿。
3.根据权利要求1所述的神经内科疾病辅助诊断方法，其特征在于，所述对所述时间序列脑电信号进行预处理，包括：对所述时间序列脑电信号进行降噪处理，得到消除噪音后的初始时间序列脑电信号，并将所述初始时间序列脑电信号进行模态分解，将不属于脑电信号的干扰信息进行剔除得到目标脑电信号；所述对所述时间序列脑电信号进行降噪处理，包括：依次对所述时间序列脑电信号进行滤波处理、外部噪音去除处理，得到所述初始时间序列脑电信号。
4.根据权利要求3所述的神经内科疾病辅助诊断方法，其特征在于，所述将所述初始时间序列脑电信号进行模态分解，将不属于脑电信号的干扰信息进行剔除得到目标脑电信号，包括：对所述初始时间序列脑电信号进行小波变换，得到低频近似分量和高频细节分量；对所述低频近似分量和所述高频细节分量分别进行单支重构及经验模态分解，得到多个imf分量并进行独立成分分解，得到多个所述imf分量以及多个所述imf分量对应的多个样本熵值，将多个所述样本熵值与预设置熵值阈值进行比较，大于所述熵值阈值的所述样本阈值所对应的所述imf分量为干扰信号，剔除所述干扰信号得到初始脑电信号，对所述初始脑电信号进行逆变换得到所述目标脑电信号。
5.根据权利要求4所述的神经内科疾病辅助诊断方法，其特征在于，所述对所述低频近似分量和所述高频细节分量分别进行单支重构及经验模态分解，得到多个imf分量并进行独立成分分解，得到多个所述imf分量以及多个所述imf分量对应的多个样本熵值，包括：在所述低频近似分量和所述高频细节分量中加入高斯白噪声得到更新信号，并对所述更新信号进行经验模态分解得到模态分量以及对应的余量，确定所述余量的个数直至所述余量的个数小于两个，得到多个所述imf分量；对所述imf分量基于fastica分解得到所述imf分量对应的所述样本熵值。
6.根据权利要求4所述的神经内科疾病辅助诊断方法，其特征在于，所述对所述目标脑电信号进行分割得到多段脑电信号，包括：对所述目标脑电信号进行频带划分得到关于所述目标脑电信号的多个频带，每个频带为对应的一段脑电信号；所述对所述多段脑电信号进行特征提取得到多个有效特征，包括：对所述频带进行特征提取得到每个所述频带内的多个子特征，基于分类器将多个所述子特征进行分类，将符合分类要求的所述子特征作为有效特征；所述将多个所述有效特征基于时序组合得到关于所述目标脑电信号的初始特征图，包括：将多个所述有效特征基于时序组合得到关于所述目标脑电信号的初始特征图。
7.根据权利要求6所述的神经内科疾病辅助诊断方法，其特征在于，所述通道注意力子模块用于接收所述初始特征图的特征映射，并根据信道进行全局最大池化处理和平均池化处理，得到两个一维特征向量，并将两个所述一维特征向量输入至感知机中进行相加后通过relu激活函数来筛选对应的特征，输出得到信道关注特征；将所述信道关注特征与所述一维特征向量相加并通过sigmoid激活函数输出经过通道注意力模块强化后的通道特征图。
8.根据权利要求7所述的神经内科疾病辅助诊断方法，其特征在于，所述空间注意力子模块接收所述通道特征图，通过在通道维度上对所述通道特征图分别执行全局平均池化和全局最大池化操作，得到两个通道描述，两个所述通道描述分别表示每个位置的平均值和最大值；将两个所述通道描述在通道维度上进行拼接，形成拼接特征图，所述拼接特征图通过卷积层进行卷积操作以及sigmoid激活函数操作，得到每个位置的空间权重系数，并将所述通道特征图与所述空间权重系数的各元素相乘，得到经过所述空间注意力子模块强化后的特征为中间特征图。
9.一种神经内科疾病辅助诊断装置，其特征在于，所述装置应用于脑电监护系统，所述脑电监护系统包括脑电数据采集装置、医生监护端和服务器，所述脑电数据采集装置与所述医生监护端与所述服务器连接，所述脑电数据采集装置用于采集待诊断患者的时间序列脑电信号，所述装置应用于所述服务器，所述装置包括：
10.根据权利要求9所述的神经内科疾病辅助诊断装置，其特征在于，所述数据处理模块包括：
