CN109247936B - 一种全夜睡眠监测的异常脑电行为监测***及方法 - Google Patents
一种全夜睡眠监测的异常脑电行为监测***及方法 Download PDFInfo
- Publication number
- CN109247936B CN109247936B CN201811289559.5A CN201811289559A CN109247936B CN 109247936 B CN109247936 B CN 109247936B CN 201811289559 A CN201811289559 A CN 201811289559A CN 109247936 B CN109247936 B CN 109247936B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- electroencephalogram
- signals
- monitoring
- electroencephalogram 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.)
- Active
Links
Images
Classifications
-
- 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]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Neurology (AREA)
- Signal Processing (AREA)
- Neurosurgery (AREA)
- Anesthesiology (AREA)
- Psychology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种全夜睡眠监测的异常脑电行为监测***及方法,它解决了现有技术中需要在评估信息采集完成后才能进行评估的问题,具有能将采集信息及时发送至医务人员,患者及时得到救治的有益效果,其方案如下:一种全夜睡眠监测的异常脑电行为监测方法,包括1)通过设于人体脑部的脑电信号采集部件采集脑电信号;2)处理器对获得的脑电信号进行处理获得整段信号的功率谱,并对功率谱分析进行特征提取,并进行脑电数据建模;3)利用建模模型对实测脑电信号进行测试分类,根据分类结果作出异常状态判断;4)处理器在判断出异常脑电信号后,对异常脑电信号进行标记,将从开始监测到异常脑电信号出现的所有数据发送至医生诊断终端。
Description
技术领域
本发明涉及脑电信号检测领域,特别是涉及一种全夜睡眠监测的异常脑电行为监测***及方法。
背景技术
目前,人口老龄化已经成为我国一个极为严峻的社会问题,严重影响着我国社会、经济等各方面的发展。独居老人和空巢老人增速加快,比重增高,随着我国城市化进程不断加快,越来越多的家庭趋于小型化,加之城市生活节奏的加快,年轻子女陪伴父母的时间变少,使得我国传统的家庭养老功能正在逐渐弱化,老年人的健康问题越来越值得引起人们的关注。
我国独居老人数量日益增高,空巢独居加上老龄退化会有身心困难,子女不在身边、生活单调、平时缺乏沟通容易产生心理问题,进而诱发各种疾病。神经性疾病在老年人中多发,伴有不可逆的并发症,一旦发病不能及时向外界求助,容易出现生命危险,目前,对老年人神经性疾病的确诊,都需要病人来到医院,对患者脑电信号进行采集,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,但评估是在结束后才能进行,脑电图脑电信号异常信号突出性差,评估过程慢,若在夜间,评估信息采集过程中发生危险时刻,患者得不到及时的治疗,而且现有技术中为了实现评估,避免患者发生意外情况,医务人员需要24h,甚至是在夜间对患者进行多次时刻关注,占用医务人员较长的时间,工作效率低。
因此,对一种全夜睡眠监测的异常脑电行为监测方法进行新的研究设计。
发明内容
为了克服现有技术的不足,本发明提供了一种全夜睡眠监测的异常脑电行为监测方法,能在发生危险时,及时通知到医务人员,患者而得到及时救治,且有利于医务人员评估判断的准确。
一种全夜睡眠监测的异常脑电行为监测***的具体方案如下:
脑电信号采集部件,用于采集人体的脑电信号;
摄像机,设于人体睡眠房间内;
处理器,与数据采集单元连接以接收数据采集单元发送的脑电信号,并确定有无异常脑电信号,当处理器发现异常脑电信号后,将从开始监测到异常脑电信号出现的所有数据和发生异常脑电信号对应时刻摄像机拍摄的视频信息发送至医生诊断终端。
其中,所述脑电信号采集部件为脑电信号贴片电极,可设置32个脑电信号贴片电极。
进一步地,所述医生诊断终端为电子设备,在一些方案中,电子设备为电脑或手机,具体在手机内设置相应APP,处理器通过有线电缆(若病人在医院)或无线通信设备将数据传送至电子设备,或传送至电子设备的APP。
摄像机的摄像头朝向人体睡觉时头部所在方向设置,摄像机通过支架安装于房间内,整个***还包括设于房间内的固定架,固定架支撑滤波器和处理器,脑电信号贴片电极与滤波器连接,固定架设置开口槽,通过开口槽将脑电信号贴片电极在闲置状态时,设于开槽口内,便于对整套***的整理。
本发明还提供了一种全夜睡眠监测的异常脑电行为监测方法,包括:
1)通过设于人体脑部的脑电信号采集部件采集脑电信号;
2)处理器对获得的脑电信号进行处理获得整段信号的功率谱,并对功率谱分析进行特征提取,并进行脑电数据建模;
3)利用建模模型对实测脑电信号进行测试分类,根据分类结果作出异常状态判断;
4)处理器在判断出异常脑电信号后,对异常脑电信号进行标记,将从开始监测到异常脑电信号出现的所有数据和发生异常脑电信号对应时刻摄像机拍摄的视频信息发送至医生诊断终端。
上述的监测方法,不是在一段时间的监测后,再进行统一的分析,而是实时由处理器进行分析,一旦被确认异常信号,就可以将整段信号数据发送至医生诊断终端,由医务人员及时获得数据,及时分析和判断,这样即使患者在家,发生危险,无人得知,医务人员也能及时发现,避免情况的进一步恶化,而且处理器将所有数据通过脑电图的形式发送至医生诊断终端,并将异常信号进行标记,配合对应时刻摄像机拍摄的视频信息,便于医务人员的快速识别。
进一步地,所述步骤3)中根据分类结果作出异常状态判断的具体方法如下:对分类结果中的异常输出值进行累加整合,根据统计学理论对整合结果分析,从而做出异常状态判断。
进一步地,所述步骤1)中对获得的脑电信号通过短时傅里叶变换进行处理获得整段信号的功率谱。
进一步地,所述步骤2)建模方法如下:
对获得的脑电信号进行处理获得整段信号的功率谱,对功率谱中的功率值进行归一化处理,即其中Xmax和Xmin分别是属性值的极大和极小值,X'是得到的归一化数值,利用正常脑电经过短时傅里叶变换和归一化处理后的功率组成向量作为特征数据,对脑电信号基于one-class SVM建模。
进一步地,所述步骤3)根据分类结果作出异常状态判断的具体方法如下:
3-1)引入变量index,若第i个样本被分类为正常事件,令index(i)=0,若第i个样本被分类为异常事件,令index(i)=1,采用滑动平均法求局部均值曲线,即用有重叠滑动窗的方式,滑动窗窗长n设为十个样本时间,滑动偏移量为一个样本时间)遍历实测信号,在每个窗口内局部均值表示窗口内异常事件数占窗内总样本数的比例,得到局部均值关于时间的函数曲线;
3-2)基于正态分布假设利用3σ检测指标对局部均值曲线进行判别,对于第j个窗口计算的局部均值C(j),若C(j)<mean-3σj或C(j)>mean+3σj,则认定该窗口对应时间下脑电信号由正常变为异常,其中 mean±3σj包含的区域为置信区间。
进一步地,所述摄像机设于病房或患者家中,所述步骤2)中处理器将摄像机拍摄的视频信息与采集到的脑电信号在时间上一一对应。
进一步地,所述步骤4)完成后,在设定的时间内,若某一路脑电信号被判定为异常脑电信号的频率超过设定的阈值,医生诊断终端会发出提示音或通过报警灯亮,提醒医务人员对病人进行医疗救治,在一些方案中,处理器发送信息至医生诊断终端的APP,并带有提示音,或者处理器与报警灯连接,若某一路脑电信号被判定为异常脑电信号的频率超过设定的阈值,有危险情况发生,医生诊断终端电子设备接收至相应信息后,并控制报警灯亮,同时,处理器控制报警灯亮,提示到现场的看护人员。
通过上述的监测方法,利用32个通道采集头部不同部位的脑电信号,利用一台摄像机采集被测对象的活动状况。根据上述监测方法对各路脑电信号进行分析和判断,并将整段脑电信号数据、异常脑电信号对应时刻摄像机拍摄的视频信息传输到医务人员的手机APP,医务人员可以根据每路信号中发生的异常事件总数、异常事件持续时间来做临床评估,确定发病的大脑部位和发病表现,可有效提高评估结果的准确性;同时,如果某一路信号在设定的时间内(按照神经性疾病一般发病时长设定,由医务人员根据病人情况设定)发生异常事件的频率超过设定的阈值时,手机APP还可以发出紧急警报,提醒医务人员对病人采取紧急医疗救治。
与现有技术相比,本发明的有益效果是:
1)本发明通过对人体休息过程中脑电波的监测,可有效发现异常状况,并将相应信息发送至远程诊断终端,能够及时发现问题,避免危险情况发生,而且能够能有利于医务人员的快速判断。
2)本发明通过医生诊断终端的设置,可远程传送数据,并方便医务人员使用,便于推广,无需医务人员全程实时观察,有效提高医务人员工作效率。
3)本发明通过特征提取,并对数据进行建模,便于对异常信号进行判断,通过局部均值曲线的设置,有利于提高异常信号判断准确率。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明监测方法所用设备示意图;
图2为本发明脑电信号实时监测方法流程图;
图3为本发明滑动窗示意图;
图4(a)为原始脑电信号,
图4(b)为one-class SVM检测结果示意图;
图4(c)为异常事件输出示意图;
其中:1.贴片电极,2.摄像机,3.滤波器,4.处理器,5.手机,6.医务人员。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的,现有技术中存在的不足,为了解决如上的技术问题,本申请提出了一种全夜睡眠监测的异常脑电行为监测方法。
本申请的一种典型的实施方式中,如图1所示,一种全夜睡眠监测的异常脑电行为监测方法,包括:
1)通过设于人体脑部的脑电信号采集部件采集脑电信号,摄像机拍摄人体睡眠过程;
2)处理器4对获得的脑电信号进行处理获得整段信号的功率谱,并对功率谱分析进行特征提取,并进行脑电数据建模;
3)利用建模模型对实测脑电信号进行测试分类,根据分类结果作出异常状态判断;
4)处理器在判断出异常脑电信号后,对异常脑电信号进行标记,将从开始监测到异常脑电信号出现的所有数据和发生异常脑电信号对应时刻摄像机拍摄的视频信息发送至医生诊断终端;
若处理器没有判断出异常信号,则返回步骤2),如图2所示。
上述的监测方法,不是在一段时间的监测后,再进行统一的分析,而是实时由处理器进行分析,一旦被确认异常信号,就可以将整段信号数据发送至医生诊断终端,由医务人员及时获得数据,及时分析和判断,这样即使患者在家,发生危险,无人得知,医务人员6也能及时发现,避免情况的进一步恶化,而且处理器将所有数据通过脑电图的形式,和对应时刻摄像机拍摄的视频信息发送至医生诊断终端。
步骤3)中根据分类结果作出异常状态判断的具体方法如下:对分类结果中的异常输出值进行累加整合,根据统计学理论对整合结果分析,从而做出异常状态判断。
步骤1)中对获得的脑电信号通过短时傅里叶变换进行处理获得整段信号的功率谱。
步骤2)建模方法如下:
对获得的脑电信号进行处理获得整段信号的功率谱,对功率谱中的功率值进行归一化处理,即其中Xmax和Xmin分别是属性值的极大和极小值,X'是得到的归一化数值,利用正常脑电经过短时傅里叶变换和归一化处理后的功率组成向量作为特征数据,对脑电信号基于one-class SVM建模(一类分类器支持向量机)。
进一步地,所述步骤3)根据分类结果作出异常状态判断的具体方法如下:
3-1)引入变量index,若第i个样本被分类为正常事件,令index(i)=0,若第i个样本被分类为异常事件,令index(i)=1,采用滑动平均法求局部均值曲线,即用有重叠滑动窗的方式,滑动窗窗长n设为十个样本时间,滑动偏移量为一个样本时间)遍历实测信号,在每个窗口内局部均值表示窗口内异常事件数占窗内总样本数的比例,得到局部均值关于时间的函数曲线;
3-2)基于正态分布假设利用3σ检测指标对局部均值曲线进行判别,对于第j个窗口计算的局部均值C(j),若C(j)<mean-3σj或C(j)>mean+3σj,则认定该窗口对应时间下脑电信号由正常变为异常,其中 mean±3σj包含的区域为置信区间。
处理器与摄像机2连接,摄像机2设于病房或患者家中,摄像机2对准床设置,所述步骤2)中处理器4将摄像机拍摄的视频信息与采集到的脑电信号在时间上一一对应,并将整段视频信息或异常脑电信息发生时刻对应的视频信息发送至处理器,处理器4为服务器,或者计算机。
脑电信号采集部件为脑电信号贴片电极1,贴片电极1具体通过滤波器3与处理器4连接。
医生诊断终端为电子设备,在一些实施例中,电子设备为电脑或手机5,具体在收集内设置相应APP,处理器通过有线电缆(若病人在医院)或无线通信设备将数据传送至电子设备,或传送至电子设备的APP。
步骤4)完成后,在设定的时间内,若某一路脑电信号被判定为异常脑电信号的频率超过设定的阈值,医生诊断终端会发出提示音或通过报警灯亮,提醒医务人员对病人进行医疗救治,在一些方案中,处理器发送信息至医生诊断终端的APP,并带有提示音,或者处理器与报警灯连接,报警灯设于患者房间内,若某一路脑电信号被判定为异常脑电信号的频率超过设定的阈值,有危险情况发生,医生诊断终端电子设备接收至相应信息后,处理器控制报警灯亮,有效提示到病人周边的照顾者。
通过上述的监测方法,利用32个通道采集头部不同部位的脑电信号,利用一台摄像机采集被测对象的活动状况。根据上述监测方法对各路脑电信号进行分析和判断,并将整段脑电信号数据、异常脑电信号对应时刻摄像机拍摄的视频信息传输到医务人员的手机APP,医务人员可以根据每路信号中发生的异常事件总数、异常事件持续时间来做临床评估,确定发病的大脑部位和发病表现,可有效提高评估结果的准确性;同时,如果某一路信号在设定的时间内(按照神经性疾病一般发病时长设定,由医务人员根据病人情况设定)发生异常事件的频率超过设定的阈值时,手机APP还可以发出紧急警报,提醒医务人员对病人采取紧急医疗救治。
通过上述的监测方法进行测试验证,图4(a)为原始脑电信号,图4(b)为one-classSVM检测结果示意图,竖线标记表示被one-class SVM判断为异常的样本,可以较为明显地判断异常信号,有利于提高医务人员的评估效率;图4(c)为异常事件输出示意图,基于正态分布假设利用3σ指标对局部均值曲线进行判别,竖线标记表示判别出的脑电信号由正常变为异常的时间,阴影部分为置信区间。
通过上述方法的设置,可以在在线实时进行监测,医务人员可以通过医生诊断终端直接查看检测出的异常信号,大大提高了工作效率;通过one-class SVM建模,在输出的分类结果的基础上,提出了局部均值曲线,并根据此曲线基于正态分布假设利用3σ检测指标检测,判断准确率得到提高。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (4)
1.一种全夜睡眠监测的异常脑电行为监测方法,其特征在于,包括:
步骤1)通过设于人体脑部的脑电信号采集部件采集脑电信号;
步骤2)处理器对获得的脑电信号进行处理获得整段信号的功率谱,并对功率谱分析进行特征提取,并进行脑电数据建模;
步骤3)利用建模模型对实测脑电信号进行测试分类,根据分类结果作出异常状态判断;
步骤4)处理器在判断出异常脑电信号后,对异常脑电信号进行标记,将从开始监测到异常脑电信号出现的所有数据和发生异常脑电信号对应时刻摄像机拍摄的视频信息发送至医生诊断终端;
所述步骤1)中对获得的脑电信号通过短时傅里叶变换进行处理获得整段信号的功率谱;
所述步骤2)建模方法如下:
对获得的脑电信号进行处理获得整段信号的功率谱,对功率谱中的功率值进行归一化处理,即,其中X是功率谱的幅值大小,/>和/>分别是属性值的极大和极小值,/>是得到的归一化数值,利用正常脑电经过短时傅里叶变换和归一化处理后的功率组成向量作为特征数据,对脑电信号基于one-class SVM建模;
所述步骤3)根据分类结果作出异常状态判断的具体方法如下:
3-1)引入变量index,若第i个样本被分类为正常事件,令index(i)=0,若第i个样本被分类为异常事件,令index(i)=1,采用滑动平均法求局部均值曲线,即用有重叠滑动窗的方式,滑动窗窗长n设为十个样本时间,滑动偏移量为一个样本时间遍历实测信号,在每个窗口内局部均值,表示窗口内异常事件数占窗内总样本数的比例,得到局部均值关于时间的函数曲线;
2.根据权利要求1所述的一种全夜睡眠监测的异常脑电行为监测方法,其特征在于,所述步骤3)中根据分类结果作出异常状态判断的具体方法如下:对分类结果中的异常输出值进行累加整合,根据统计学理论对整合结果分析,从而做出异常状态判断。
3.根据权利要求1所述的一种全夜睡眠监测的异常脑电行为监测方法,其特征在于,所述步骤4)中处理器将摄像机拍摄的视频信息与采集到的脑电信号在时间上一一对应。
4.根据权利要求1所述的一种全夜睡眠监测的异常脑电行为监测方法,其特征在于,所述步骤4)完成后,在设定的时间内,若某一路脑电信号被判定为异常脑电信号的频率超过设定的阈值,医生诊断终端会发出提示音或通过报警灯亮,提醒医务人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811289559.5A CN109247936B (zh) | 2018-10-31 | 2018-10-31 | 一种全夜睡眠监测的异常脑电行为监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811289559.5A CN109247936B (zh) | 2018-10-31 | 2018-10-31 | 一种全夜睡眠监测的异常脑电行为监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109247936A CN109247936A (zh) | 2019-01-22 |
CN109247936B true CN109247936B (zh) | 2023-06-13 |
Family
ID=65044499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811289559.5A Active CN109247936B (zh) | 2018-10-31 | 2018-10-31 | 一种全夜睡眠监测的异常脑电行为监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109247936B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109620218A (zh) * | 2019-01-29 | 2019-04-16 | 杭州妞诺科技有限公司 | 脑电波智能筛查方法及*** |
CN109697046A (zh) * | 2019-02-26 | 2019-04-30 | 杭州妞诺科技有限公司 | 基于浏览器的脑电波图形显示方法及*** |
CN112842358A (zh) * | 2019-11-26 | 2021-05-28 | 阿里健康信息技术有限公司 | 脑部生理数据的处理***、方法、设备及存储介质 |
CN110960202A (zh) * | 2019-12-02 | 2020-04-07 | 张武 | 一种对病人康复状况的智慧医疗监控和分析*** |
CN111743535A (zh) * | 2020-06-28 | 2020-10-09 | 山东大学 | 一种基于图模型的脑电异常监测方法及*** |
CN112237433B (zh) * | 2020-11-05 | 2021-07-23 | 山东大学 | 一种脑电信号异常监测***及方法 |
CN112494053B (zh) * | 2020-12-23 | 2023-10-03 | 深圳市德力凯医疗设备股份有限公司 | 大脑的缺氧危险程度监控方法、***、设备及存储介质 |
CN114601479A (zh) * | 2021-11-08 | 2022-06-10 | 杭州菲诗奥医疗科技有限公司 | 一种基于eeg脑电功率谱及功率谱斜率的睡眠情况分析方法 |
CN114271836B (zh) * | 2022-01-25 | 2023-08-29 | 合肥学院 | 一种基于小波变换的智能肌电检测处理方法及装置 |
CN115721322A (zh) * | 2022-12-14 | 2023-03-03 | 江苏理工学院 | 一种基于脑电信号的老年人睡眠异常监测***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010154998A (ja) * | 2008-12-30 | 2010-07-15 | Suwa Trust:Kk | 時系列データの解析装置及び時系列データの解析プログラムを記録したコンピュータ読み取り可能な記録媒体 |
CN104970773A (zh) * | 2015-07-21 | 2015-10-14 | 西安交通大学 | 一种基于双重特征筛选的自动睡眠分期方法 |
CN106778594A (zh) * | 2016-12-12 | 2017-05-31 | 燕山大学 | 基于lmd熵特征和lvq神经网络的运动想象脑电信号识别方法 |
CN107174239A (zh) * | 2017-07-05 | 2017-09-19 | 李震中 | 一种睡眠监测仪 |
CN107212882A (zh) * | 2017-05-17 | 2017-09-29 | 山东大学 | 一种脑电信号状态变化的实时检测方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0421346D0 (en) * | 2004-09-24 | 2004-10-27 | Smith Jonathan S R | Product representations of amplitude and frequency modulated signals |
ITUB20154029A1 (it) * | 2015-09-30 | 2017-03-30 | Ab Medica Holding S P A | Dispositivo per la registrazione di video elettroencefalogrammi |
-
2018
- 2018-10-31 CN CN201811289559.5A patent/CN109247936B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010154998A (ja) * | 2008-12-30 | 2010-07-15 | Suwa Trust:Kk | 時系列データの解析装置及び時系列データの解析プログラムを記録したコンピュータ読み取り可能な記録媒体 |
CN104970773A (zh) * | 2015-07-21 | 2015-10-14 | 西安交通大学 | 一种基于双重特征筛选的自动睡眠分期方法 |
CN106778594A (zh) * | 2016-12-12 | 2017-05-31 | 燕山大学 | 基于lmd熵特征和lvq神经网络的运动想象脑电信号识别方法 |
CN107212882A (zh) * | 2017-05-17 | 2017-09-29 | 山东大学 | 一种脑电信号状态变化的实时检测方法及*** |
CN107174239A (zh) * | 2017-07-05 | 2017-09-19 | 李震中 | 一种睡眠监测仪 |
Also Published As
Publication number | Publication date |
---|---|
CN109247936A (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109247936B (zh) | 一种全夜睡眠监测的异常脑电行为监测***及方法 | |
CN106937808B (zh) | 一种智能床垫的数据采集*** | |
EP2055235A1 (en) | Fetal movement information processing device and fetal movement information processing method | |
CN106559744A (zh) | 一种基于稀疏识别与压缩感知的体域网节能方法 | |
CN108392211A (zh) | 一种基于多信息融合的疲劳检测方法 | |
TW201336475A (zh) | 擁有即時學習機制之癲癇發作預測方法、模組及裝置 | |
US20160199020A1 (en) | Bowel sound analysis method and system | |
CN110269611A (zh) | 患者意识障碍程度监测、预警***及方法 | |
Rajan et al. | Feasibility analysis of portable electroencephalography based abnormal fatigue detection and tele-surveillance system | |
CN103845038A (zh) | 一种体征信号采集方法和设备 | |
CN110960211A (zh) | 一种基于嵌入式的心电实时监测*** | |
CN106821382A (zh) | 呼吸监测诊断***、干扰过滤方法及诊断方法 | |
CN108460957A (zh) | 一种老年健康群体监控告警***及方法 | |
CN108042120A (zh) | 一种智能血压计的数据监测方法及*** | |
CN115721322A (zh) | 一种基于脑电信号的老年人睡眠异常监测***及方法 | |
CN209032422U (zh) | 一种心音信号检测设备 | |
CN109247935B (zh) | 一种人体夜间睡眠异常状态监测*** | |
CN116978510A (zh) | 一种居家脑卒中患者的护理分级评估*** | |
KR101029386B1 (ko) | 실시간 심전도 모니터링 시스템을 위한 큐알에스 검출 방법 | |
CN206063138U (zh) | 自然状态夜间突发健康危急报警云监控*** | |
CN117503107B (zh) | 一种基于差压传感器的牛呼吸频率的测量方法及装置 | |
CN206301393U (zh) | 一种适合居家环境的生理指标动态监测*** | |
CN113288062A (zh) | 一种多维度人员情绪分析方法及*** | |
CN117133464A (zh) | 一种老年人健康智能监测***及监测方法 | |
CN210383897U (zh) | 一种肌肉疲劳的联合测量装置以及假肢 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |