一种可穿戴的癫痫脑电发作脑区定位装置及定位方法与流程

文档序号:11097251阅读:来源:国知局

技术特征:

1.一种可穿戴的癫痫脑电发作脑区定位装置,其特征在于,包括:采集电极、脑电采集芯片、调理电路、微控制器、蓝牙发射模块和蓝牙接收模块,这六部分集成在一个帽子里;采集电极采集到的脑电信号传输到脑电采集芯片和调理电路,对脑电信号进行预处理,将预处理后的脑电信号传输到微控制器,通过蓝牙对脑电信号传输到手机APP并显示。

2.如权利要求1所述的可穿戴的癫痫脑电发作脑区定位装置,其特征在于,采集电极采用圆锥形电极,电极共有16个记录电极和2个参考电极组成。

3.如权利要求1所述的可穿戴的癫痫脑电发作脑区定位装置,其特征在于,脑电采集芯片选用INTAN RHA2116生物采集芯片,通过16个采集通道完成对信号的采集;生物采集芯片与微控制器的SPI口相连,配合微控制器其他的I/O口实现相应端口的功能即可完成对生物采集芯片的控制;基于INTANRHA2116的生物采集芯片,主要完成对模拟的生物电信号放大,后由AD7980模数转换器将放大后的脑电信号发送给微控制器。

4.如权利要求1所述的可穿戴的癫痫脑电发作脑区定位装置,其特征在于,调理电路对采集到的脑电信号进行放大和滤波,选取前置放大器。

5.如权利要求1所述的可穿戴的癫痫脑电发作脑区定位装置,其特征在于,微控制器选用三星S3C6410控制芯片;芯片组端口与脑电采集芯片相连,脑电采集芯片通过微控制器的SPI口控制。

6.如权利要求1所述的可穿戴的癫痫脑电发作脑区定位装置,其特征在于,蓝牙发射模块发射来自微控制器的人体脑电信号。

7.如权利要求1所述的可穿戴的癫痫脑电发作脑区定位装置,其特征在于,蓝牙接收模块接收蓝牙发射模块发射的人体脑电信号,再将数据发送给安卓APP信号存储显示模块进行实时显示并上传到云端。

8.一种可穿戴的癫痫脑电发作脑区定位方法,其特征在于,包括如下步骤:

(1)脑电采集芯片通过16个采集通道对信号进行采集,将采集到的信号发送给调理电路;

(2)调理电路对采集到的脑电信号进行放大和滤波处理,将处理过的信号发送给微处理器;

(3)采用蓝牙技术,将数据同步发送给手机APP进行实时显示,并传输到云端;

(4)上位机终端从云端下载到患者各个通道的脑电信号,使用特征识别算法对收到的脑电数据进行特征提取,识别异常的癫痫波,并进行地形图显示。

9.如权利要求8所述的可穿戴的癫痫脑电发作脑区定位方法,其特征在于,步骤(4)中,特征识别算法的具体步骤为:

(a)小波变换;提取特征之前利用移动窗口技术对电脑数据进行分段,应用小波变换对每一段脑电信号进行时频分析;

为小波变换的核函数,若核函数满足容许性条件:

则称该函数为基小波;

一维信号f(t)∈L2(R)的连续小波变换可定义为:

与连续小波变换相对应的是离散小波变换,其一般形式为:

其中为小波基,a0、b0为两个常量且a0>0;

(b)特征提取;将得到的脑电信号的时频分布计算其扩散距离;

对于两个分布D1(X)和D2(X),D1(X)和D2(X)之间的扩散距离定义为:

<mrow> <mover> <mi>K</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>D</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>D</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mo>&Integral;</mo> <mn>0</mn> <mi>T</mi> </msubsup> <mi>k</mi> <mrow> <mo>(</mo> <mo>|</mo> <mi>T</mi> <mo>(</mo> <mrow> <mi>X</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> <mo>|</mo> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> </mrow>

T是一个正的常数,k(·)表示一种范数,T(X,t)为两个分布之间的差异d(X)=D1(X)-D2(X);可看成一个温度场的大小,当t=0时,T(X,0)=d(X);

(c)贝叶斯线性判别分析BLDA;对于一个测试样本根据后验分布与似然函数可以得到它的预测分布:

<mrow> <mi>p</mi> <mrow> <mo>(</mo> <mover> <mi>y</mi> <mo>^</mo> </mover> <mo>|</mo> <mi>&beta;</mi> <mo>,</mo> <mi>&alpha;</mi> <mo>,</mo> <mover> <mi>X</mi> <mo>^</mo> </mover> <mo>,</mo> <mi>D</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>&Integral;</mo> <mi>p</mi> <mrow> <mo>(</mo> <mover> <mi>y</mi> <mo>^</mo> </mover> <mo>|</mo> <mi>&beta;</mi> <mo>,</mo> <mover> <mi>X</mi> <mo>^</mo> </mover> <mo>,</mo> <mi>w</mi> <mo>)</mo> </mrow> <mi>p</mi> <mrow> <mo>(</mo> <mi>w</mi> <mo>|</mo> <mi>&beta;</mi> <mo>,</mo> <mi>&alpha;</mi> <mo>,</mo> <mi>D</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>w</mi> </mrow>

预测分布是服从高斯分布的,其均值为:

<mrow> <mover> <mi>y</mi> <mo>^</mo> </mover> <mo>=</mo> <msup> <mi>m</mi> <mi>T</mi> </msup> <mover> <mi>X</mi> <mo>^</mo> </mover> </mrow>

利用该均值可以完成测试样本的判决分类,式被称为BLDA的线性判别方程,采用BLDA算法作为分类器对脑电信号进行分类识别;

(d)分类后处理:分类后处理程序包括平滑滤波和阈值判断;

使用一个线性的移动平滑平均滤波器对BLDA输出结果进行平滑滤波,其定义如式所示:

<mrow> <msub> <mi>x</mi> <mi>k</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>2</mn> <mi>N</mi> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mo>-</mo> <mi>N</mi> </mrow> <mi>N</mi> </munderover> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>+</mo> <mi>i</mi> </mrow> </msub> </mrow>

其中,为输入信号,即BLDA分类器的输入值,2N+1表示滤波器的平均长度,xk为平滑后的输出信号;

然后,将经过平滑处理的决策变量与设定的阈值th进行比较,得到二元判决结果;假设一脑电数据的平滑输出值为x,当x>th时,标记为“1”,表明该段脑电信号属于间歇期脑电;当x<th时,标记为“0”,表明该段脑电信号属于发作期脑电。

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1