CN106859673A - 一种基于睡眠脑电的抑郁症风险筛查*** - Google Patents
一种基于睡眠脑电的抑郁症风险筛查*** Download PDFInfo
- Publication number
- CN106859673A CN106859673A CN201710025454.8A CN201710025454A CN106859673A CN 106859673 A CN106859673 A CN 106859673A CN 201710025454 A CN201710025454 A CN 201710025454A CN 106859673 A CN106859673 A CN 106859673A
- Authority
- CN
- China
- Prior art keywords
- brain
- module
- depression risk
- depression
- eeg signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/30—Input circuits therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于睡眠脑电的抑郁症风险筛查***,属于抑郁症风险筛查领域。一种基于睡眠脑电的抑郁症风险筛查***,包括普适化脑电数据采集***、脑电信号预处理***、筛查抑郁症风险脑电***、脑电显示模块和结果打印模块,所述普适化脑电数据采集***包括脑电极传感器、前置放大器、50Hz陷波器和低通滤波器。它可以实现个体用户能够穿戴脑电传感器,方便用户的自测,自动检测脑电噪声,去除眼电伪迹,降低各种噪声之间的干扰,直接处理脑电数据,跳过睡眠分期步骤,降低了在睡眠分期等步骤所产生的计算误差,提高了抑郁症风险评估的准确度,采集信息量大,更加充分地利用了睡眠脑电的数据信息,进行特征选取时选择性强。
Description
技术领域
本发明涉及抑郁症风险筛查领域,更具体地说,涉及一种基于睡眠脑电的抑郁症风险筛查***。
背景技术
目前基于脑电的郁抑症风险筛查诊断主要依据的是睡眠分期技术。关于睡眠分期,曾有几种划分方法。目前广泛应用的是 1968 年,Rechtschaffen和 Kales根据 EEG、EOG、EMG 信号在不同睡眠期的波形特征,将成人睡眠分成六期:清醒期,非快速眼动期(进一步分为 1、2、3、4 期),和快速眼动期,即分期标准(如图9)。计算睡眠潜伏期、睡眠总时间、觉醒指数、睡眠1期、睡眠2期、睡眠3期、睡眠4期、快速眼动百分比、快速眼动睡眠周期数、快速眼动睡眠潜伏期、快速眼动睡眠强度、快速眼动睡眠密度和快速眼动睡眠时间等特征,将其带入分类器中并进行抑郁症风险判断。
现有的筛查抑郁症风险手段和采集方法存在着较多缺陷,其主要在于:
1.传统的脑电图技术大多应用在比较严格的环境中,如医院的临床治疗或科研院所的实验室,不方便个体用户使用,且这些应用场景具有理想的实验条件:一方面,这些环境都做过专门的物理隔离,有良好的电磁屏蔽和声音屏蔽;另一方面,有专业的受过培训的操作人员,即便是在这样严格的限制下,脑电信号的测量也会受到一些因素的影响。
2.睡眠分期标准不一,睡眠分期的准确率不够高,使抑郁症风险筛查***准确度较低。
3.信息量比较小,而且特征并不十分明确,并不能得到相应的针对受试者的特征信息给出合理化的抑郁症风险结果。
发明内容
1.要解决的技术问题
针对现有技术中存在的不方便个体用户使用,干扰因素干扰检测,检测准确度低,脑电采集的信息量小问题,本发明的目的在于提供一种基于睡眠脑电的抑郁症风险筛查***,它可以实现方便个体用户使用,降低各种噪声之间的干扰,提高了检测准确度,采集的睡眠脑电的信息量大。
2.技术方案
一种基于睡眠脑电的抑郁症风险筛查***,包括普适化脑电数据采集***、脑电信号预处理***、筛查抑郁症风险脑电***、脑电显示模块和结果打印模块,所述普适化脑电数据采集***包括脑电极传感器、前置放大器、50Hz陷波器和低通滤波器,所述脑电极传感器、前置放大器、50Hz陷波器和低通滤波器依次相连,所述脑电信号预处理***包括AD转换器,脑电信号处理器和蓝牙2.0射频收发器,所述AD转换器、脑电信号处理器、蓝牙2.0射频收发器依次相连,所述筛查抑郁症风险脑电***包括脑电显示模块一、管理模块、脑电信号二次处理模块、脑电显示模块二和脑电信号数据筛查***,所述脑电显示模块一、管理模块、脑电信号二次处理模块、脑电显示模块二、脑电信号数据筛查***依次相连,所述脑电信号数据筛查***包括特征提取模块、特征选择模块、分类模型模块和抑郁症风险筛查模块,个体用户能够穿戴脑电传感器,方便用户的自测,脑电信号预处理***能够自动检测脑电噪声,去除眼电伪迹,降低各种噪声之间的干扰,直接处理脑电数据,跳过睡眠分期步骤,降低了在睡眠分期等步骤所产生的计算误差,提高了抑郁症风险评估的准确度,采集信息量大,脑电信号数据筛查***充分地利用了睡眠脑电的数据信息进行特征选取,选择性强。
优选地,所述脑电信号预处理***还包括阻抗检测器和直流矫正器,使得直流电源达到预定的测试功能。
优选地,所述筛查抑郁症风险脑电***还包括数据采集建模***、离线分析模块和数据库模块,数据采集建模***产生出合理的生理指标参数,离线分析模块对预处理后得到的脑电信号进行二次处理,数据库模块用于存储被已标签的人群基本信息和最近一次受训时的脑电数据。
优选地,所述脑电信号预处理***采用AR模型和自适应预测器模型方法,通过AR模型方法来自动检测脑电噪声,通过自适应预测器模型来去除眼电伪迹。
优选地,所述数据采集建模***通过普适化脑电采集***分别对已标签的健康人群和已标签的抑郁症人群进行脑电数据采集,便于采集合理的生理指标参数。
优选地,所述脑电极传感器包括Fp1电极传感器、FpZ电极传感器、Fp2电极传感器和参考电极,所述参考电极的两级分别连接在普适化脑电采集设备的 BIAS 口和 COM 口上,脑电极传感器放置于 Fp1,FpZ 和 Fp2 位于前额的位置,不受头发的干扰,便于穿戴。
优选地,所述Fp1电极传感器、FpZ电极传感器和Fp2电极传感器的电极头均采用医用贴式湿电极头,医用贴式湿电极头避免了电极接触阻抗的干扰。
优选地,所述特征提取模块采用非线性动力学理论,所述特征选择模块和分类模型模块均采用支持向量机,非线性动力学理论对脑电信号进行分析,提取出脑电信号的非线性特征,支持向量机对脑电数据特征进行选择和分类。
3.有益效果
相比于现有技术,本发明的优点在于:
(1)本方案个体用户能够穿戴脑电传感器,方便用户的自测,脑电信号预处理***能够自动检测脑电噪声,去除眼电伪迹,降低各种噪声之间的干扰,直接处理脑电数据,跳过睡眠分期步骤,降低了在睡眠分期等步骤所产生的计算误差,提高了抑郁症风险评估的准确度,采集信息量大,脑电信号数据筛查***充分地利用了睡眠脑电的数据信息进行特征选取,选择性强。
(2)通过阻抗检测器和直流矫正器使得直流电源达到预定的测试功能。
(3)数据采集建模***产生出合理的生理指标参数,离线分析模块对预处理后得到的脑电信号进行二次处理,数据库模块用于存储被已标签的人群基本信息和最近一次受训时的脑电数据。
(4)通过AR模型方法来自动检测脑电噪声,通过自适应预测器模型来去除眼电伪迹。
(5)通过普适化脑电采集***分别对已标签的健康人群和已标签的抑郁症人群进行脑电数据采集,便于采集合理的生理指标参数。
(6)脑电极传感器放置于 Fp1,FpZ 和 Fp2 位于前额的位置,不受头发的干扰,便于穿戴。
(7)医用贴式湿电极头避免了电极接触阻抗的干扰。
(8)非线性动力学理论对脑电信号进行分析,提取出脑电信号的非线性特征,支持向量机对脑电数据特征进行选择和分类。
附图说明
图1为整体筛查***方框图;
图2为本发明的普适化脑电采集***方框图;
图3为本发明的自适应预测期去除眼电伪迹模型方框图;
图4为本发明的筛查抑郁症风险脑电***方框图;
图5为本发明的脑电信号数据筛查***方框图;
图6为本发明的数据采集建模***方框图;
图7为本发明的普适化脑电采集设备结构示意图;
图8为人脑***电极位置图;
图9为睡眠分期结构图。
图中标号说明:
1.普适化脑电采集设备、2.FpZ电极传感器、3.Fp2电极传感器、4.参考电极、5.Fp1电极传感器。
具体实施方式
下面将结合本发明实施例中的附图;对本发明实施例中的技术方案进行清楚、完整地描述;显然;所描述的实施例仅仅是本发明一部分实施例;而不是全部的实施例。基于本发明中的实施例;本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例;都属于本发明保护的范围。
实施例1:
请参阅图1-9,一种基于睡眠脑电的抑郁症风险筛查***,包括普适化脑电数据采集***、脑电信号预处理***、筛查抑郁症风险脑电***、脑电显示模块和结果打印模块,所述普适化脑电数据采集***包括脑电极传感器、前置放大器、50Hz陷波器和低通滤波器,所述脑电极传感器、前置放大器、50Hz陷波器和低通滤波器依次相连,脑电信号通过脑电极传感器提取进来后,通过脑电前置放大器对微弱的脑电信号进行放大,50Hz陷波器和低通滤波器对原始脑电信号进行工频滤波处理,放大的信号通过16位A/D转换成数字信号,送入硬件实时脑电信号预处理模块,所述脑电极传感器包括Fp1电极传感器5、FpZ电极传感器2、Fp2电极传感器3和参考电极4,所述参考电极的两级分别连接在普适化脑电采集设备1的 BIAS口和 COM 口上,电极的位置的放置选择的人脑***电极的电极分别是:左右前额点Fp1、Fp2及前额中心点FpZ,脑电极传感器放置于 Fp1,FpZ 和 Fp2 位于前额的位置,不受头发的干扰,便于穿戴,所述Fp1电极传感器、FpZ电极传感器和Fp2电极传感器的电极头均采用医用贴式湿电极头,医用贴式湿电极头避免了电极接触阻抗的干扰,个体用户能够穿戴脑电传感器,方便用户的自测。
所述脑电信号预处理***包括AD转换器,脑电信号处理器和蓝牙2.0射频收发器,所述AD转换器、脑电信号处理器、蓝牙2.0射频收发器依次相连,所述脑电信号预处理***还包括阻抗检测器和直流矫正器,使得直流电源达到预定的测试功能,所述脑电信号预处理***采用AR模型和自适应预测器模型方法,通过AR模型方法来自动检测脑电噪声,将检测到的脑电噪声通过滤波器初始化后送到自适应预测器,同时自适应预测器接收来自眼电区域的脑电信号,自适应预测器同时对脑电噪声和眼电区域脑电信号进行处理,通过自适应预测器模型来去除眼电伪迹和去除脑电噪声,脑电信号预处理***能够自动检测脑电噪声,去除眼电伪迹,降低各种噪声之间的干扰,脑电信号预处理***直接处理脑电数据,跳过睡眠分期步骤,降低了在睡眠分期等步骤所产生的计算误差,提高了抑郁症风险评估的准确度。
所述筛查抑郁症风险脑电***包括脑电显示模块一、管理模块、脑电信号二次处理模块、脑电显示模块二和脑电信号数据筛查***,所述脑电显示模块一、管理模块、脑电信号二次处理模块、脑电显示模块二、脑电信号数据筛查***依次相连,脑电信号二次处理模块通过对预处理后得到的脑电信号进行二次处理,以得到脑电功率谱阵列图和脑电θ、α、β等指标直方图的实时动态显示,实现脑电指标实时监护,医生通过该功能实时观察病人脑电信息各项指标变化,直观、准确地掌握病人脑功能状态,用以监测反馈治疗的效果,所述脑电信号数据筛查***包括特征提取模块、特征选择模块、分类模型模块和抑郁症风险筛查模块,所述特征提取模块采用非线性动力学理论,所述特征选择模块和分类模型模块均采用支持向量机,非线性动力学理论对脑电信号进行分析,提取出脑电信号的非线性特征,支持向量机对脑电数据特征进行选择和分类,采集信息量大,脑电信号数据筛查***充分地利用了睡眠脑电的数据信息进行特征选取,选择性强。
所述筛查抑郁症风险脑电***还包括数据采集建模***、离线分析模块和数据库模块,管理模块对筛查进程和受试者信息进行管理,包括受试者信息的创建、查询、修改、删除,以及诊断筛查方案的选择,设置筛查抑郁症方案所要求的指标和形式以及资料的存储,数据库模块储存筛查方案、被试者的基本信息和***的筛查过程及结果,以供管理***进行查询及管理,数据采集建模***产生出合理的生理指标参数,离线分析模块对预处理后得到的脑电信号进行二次处理,数据库模块用于存储被已标签的人群基本信息和最近一次受训时的脑电数据,所述数据采集建模***通过普适化脑电采集***、脑电数据预处理***、脑电数据二次处理***、特征提取模块、特征选择模块和分类模型模块分别对已标签的健康人群和已标签的抑郁症人群进行脑电数据采集,便于采集合理的生理指标参数,全新的数据模型,根据不同病症在***中进行分类,其数据结构简单、清晰,有很好的数据独立性、安全保密性,用户易懂易用,可以与已有数据进行交叉对比,提高筛查诊断的准确性与针对性,脑电显示模块是做出接受反馈训练的受试着者的动态脑电图,是将受试者的脑电信号波形动态实时地显示在显示器上,实现了脑电图动态无笔描记。
工作原理:受试者先注册自己的信息,其中包括受试者的编号、姓名、性别、年龄等信息,将脑电极传感器放置于 Fp1,FpZ 和 Fp2 位于前额的位置,使受试者在一个相对安静的环境里逐渐进入睡眠状态,打开实时脑电记录,患者的脑电信号通过脑电极传感器提取进来,通过前置放大器对微弱的脑电信号进行放大,同时对原始脑电信号进行工频滤波处理,放大的信号通过16位A/D转换器转换成数字信号,通过调用脑电信号预处理***对脑电信号进行预处理以减少伪差的干扰,保证反馈治疗时的正确性,然后通过蓝牙2.0传输到计算机,然后实时显示在屏幕上。医生调用脑电分析中相应的信号处理程序对采集的信号进行二次处理,采用非线性动力学理论对脑电信号进行分析,提取出脑电信号的非线性特征,得到反馈信息的特征值,将信息的特征值带入支持向量机,进行风险筛查,最终输出结果,在***训练的过程中,***会自动把患者的脑电信号储存下来,医生可以在受试者做完训练后以后,回放该脑电信号并进行分析、打印,用以监控病人的治疗过程。
以上所述;仅为本发明较佳的具体实施方式;但本发明的保护范围并不局限于此;任何熟悉本技术领域的技术人员在本发明揭露的技术范围内;根据本发明的技术方案及其改进构思加以等同替换或改变;都应涵盖在本发明的保护范围内。
Claims (8)
1.一种基于睡眠脑电的抑郁症风险筛查***,包括普适化脑电数据采集***、脑电信号预处理***、筛查抑郁症风险脑电***、脑电显示模块和结果打印模块,其特征在于:所述普适化脑电数据采集***包括脑电极传感器、前置放大器、50Hz陷波器和低通滤波器,所述脑电极传感器、前置放大器、50Hz陷波器和低通滤波器依次相连,所述脑电信号预处理***包括AD转换器,脑电信号处理器和蓝牙2.0射频收发器,所述AD转换器、脑电信号处理器、蓝牙2.0射频收发器依次相连,所述筛查抑郁症风险脑电***包括脑电显示模块一、管理模块、脑电信号二次处理模块、脑电显示模块二和脑电信号数据筛查***,所述脑电显示模块一、管理模块、脑电信号二次处理模块、脑电显示模块二、脑电信号数据筛查***依次相连,所述脑电信号数据筛查***包括特征提取模块、特征选择模块、分类模型模块和抑郁症风险筛查模块。
2.根据权利要求1所述的一种基于睡眠脑电的抑郁症风险筛查***,其特征在于:所述脑电信号预处理***还包括阻抗检测器和直流矫正器。
3.根据权利要求1所述的一种基于睡眠脑电的抑郁症风险筛查***,其特征在于:所述筛查抑郁症风险脑电***还包括数据采集建模***、离线分析模块和数据库模块。
4.根据权利要求1或2所述的一种基于睡眠脑电的抑郁症风险筛查***,其特征在于:所述脑电信号预处理***采用AR模型和自适应预测器模型方法。
5.根据权利要求3所述的一种基于睡眠脑电的抑郁症风险筛查***,其特征在于:所述数据采集建模***通过普适化脑电采集***分别对已标签的健康人群和已标签的抑郁症人群进行脑电数据采集。
6.根据权利要求1所述的一种基于睡眠脑电的抑郁症风险筛查***,其特征在于:所述脑电极传感器包括Fp1电极传感器(5)、FpZ电极传感器(2)、Fp2电极传感器(3)和参考电极(4),所述参考电极(4)的两级分别连接在普适化脑电采集设备(1)的 BIAS 口和 COM 口上。
7.根据权利要求6所述的一种基于睡眠脑电的抑郁症风险筛查***,其特征在于:所述Fp1电极传感器(5)、FpZ电极传感器(2)和Fp2电极传感器(3)的电极头均采用医用贴式湿电极头。
8.根据权利要求1所述的一种基于睡眠脑电的抑郁症风险筛查***,其特征在于:所述特征提取模块采用非线性动力学理论,所述特征选择模块和分类模型模块均采用支持向量机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710025454.8A CN106859673A (zh) | 2017-01-13 | 2017-01-13 | 一种基于睡眠脑电的抑郁症风险筛查*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710025454.8A CN106859673A (zh) | 2017-01-13 | 2017-01-13 | 一种基于睡眠脑电的抑郁症风险筛查*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106859673A true CN106859673A (zh) | 2017-06-20 |
Family
ID=59157716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710025454.8A Pending CN106859673A (zh) | 2017-01-13 | 2017-01-13 | 一种基于睡眠脑电的抑郁症风险筛查*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106859673A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110470494A (zh) * | 2018-05-11 | 2019-11-19 | 浙江盾安人工环境股份有限公司 | 一种空调振动的监测和诊断方法 |
CN110604565A (zh) * | 2019-08-02 | 2019-12-24 | 北京脑陆科技有限公司 | 一种基于便携式eeg设备的脑部健康筛查方法 |
CN111990991A (zh) * | 2020-08-22 | 2020-11-27 | 陇东学院 | 一种基于复杂网络的脑电信号分析方法及应用 |
CN112890830A (zh) * | 2021-03-05 | 2021-06-04 | 中山大学 | 一种基于睡眠脑网络的抑郁症患者数据分类方法及装置 |
CN113331840A (zh) * | 2021-06-01 | 2021-09-03 | 上海觉觉健康科技有限公司 | 一种抑郁情绪脑电波信号识别***及方法 |
CN114366104A (zh) * | 2022-01-14 | 2022-04-19 | 东南大学 | 基于前额少数导联脑电监测的抑郁状态评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070249954A1 (en) * | 2006-04-21 | 2007-10-25 | Medtronic, Inc. | Method and apparatus for detection of nervous system disorders |
US20130151166A1 (en) * | 2007-02-21 | 2013-06-13 | Neurovista Corporation | Reduction Of Classification Error Rates And Monitoring System Using An Artificial Class |
CN204931634U (zh) * | 2015-07-30 | 2016-01-06 | 华南理工大学 | 基于生理信息的抑郁症评估*** |
-
2017
- 2017-01-13 CN CN201710025454.8A patent/CN106859673A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070249954A1 (en) * | 2006-04-21 | 2007-10-25 | Medtronic, Inc. | Method and apparatus for detection of nervous system disorders |
US20130151166A1 (en) * | 2007-02-21 | 2013-06-13 | Neurovista Corporation | Reduction Of Classification Error Rates And Monitoring System Using An Artificial Class |
CN204931634U (zh) * | 2015-07-30 | 2016-01-06 | 华南理工大学 | 基于生理信息的抑郁症评估*** |
Non-Patent Citations (2)
Title |
---|
史玉君: "基于经验模态分解的眼电伪迹去除方法的研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑(月刊 )》 * |
赵文: "基于脑电信号的特定人群心理压力研究", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊 )》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110470494A (zh) * | 2018-05-11 | 2019-11-19 | 浙江盾安人工环境股份有限公司 | 一种空调振动的监测和诊断方法 |
CN110604565A (zh) * | 2019-08-02 | 2019-12-24 | 北京脑陆科技有限公司 | 一种基于便携式eeg设备的脑部健康筛查方法 |
CN111990991A (zh) * | 2020-08-22 | 2020-11-27 | 陇东学院 | 一种基于复杂网络的脑电信号分析方法及应用 |
CN112890830A (zh) * | 2021-03-05 | 2021-06-04 | 中山大学 | 一种基于睡眠脑网络的抑郁症患者数据分类方法及装置 |
CN113331840A (zh) * | 2021-06-01 | 2021-09-03 | 上海觉觉健康科技有限公司 | 一种抑郁情绪脑电波信号识别***及方法 |
CN113331840B (zh) * | 2021-06-01 | 2022-07-29 | 上海觉觉健康科技有限公司 | 一种抑郁情绪脑电波信号识别***及方法 |
CN114366104A (zh) * | 2022-01-14 | 2022-04-19 | 东南大学 | 基于前额少数导联脑电监测的抑郁状态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106859673A (zh) | 一种基于睡眠脑电的抑郁症风险筛查*** | |
US11517212B2 (en) | Electrocardiogram information dynamic monitoring method and dynamic monitoring system | |
CN106901727A (zh) | 一种基于脑电信号的抑郁症风险筛查装置 | |
US11350868B2 (en) | Electrocardiogram information processing method and electrocardiogram workstation system | |
EP3692904A1 (en) | Method and device for self-learning dynamic electrocardiography analysis employing artificial intelligence | |
CN107788976A (zh) | 基于振幅整合脑电图的睡眠监测*** | |
US11783924B2 (en) | ECG information processing method and ECG workstation | |
CN106407733A (zh) | 基于虚拟现实场景脑电信号的抑郁症风险筛查***和方法 | |
CN102462494A (zh) | 一种新型智能心电测试保健器 | |
CN109124655A (zh) | 精神状态分析方法、装置、设备、计算机介质及多功能椅 | |
CN103405225B (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
CN106667436A (zh) | 一种睡眠诊断方法及*** | |
CN104367306A (zh) | 生理心理职业测评***及实现方法 | |
Anwar et al. | Use of portable EEG sensors to detect meditation | |
TWI288875B (en) | Multiple long term auto-processing system and method thereof | |
TWI491380B (zh) | Focus analysis method | |
CN112102938A (zh) | 一种睡眠分期方法及装置 | |
CN201894645U (zh) | 一种新型智能心电测试保健器 | |
Gupta et al. | Pre-processing based ECG signal analysis using emerging tools | |
CN103300849A (zh) | 脑电信号处理方法 | |
CN210541591U (zh) | 一种无线便携心理压力评估装置 | |
Jokić et al. | An efficient ECG modeling for heartbeat classification | |
CN105852852A (zh) | 指数脑电图仪及其使用方法 | |
CN111671418A (zh) | 一种考虑脑工作状态的事件相关电位采集方法及*** | |
Lei | Simultaneous eeg-fmri |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170620 |
|
RJ01 | Rejection of invention patent application after publication |