便携式意识障碍刺激促醒与评估系统的制作方法
【技术领域】
[0001]本发明涉及医疗器械领域，特别是涉及一种便携式意识障碍刺激促醒与评估系统。
【背景技术】
[0002]意识障碍是大脑损伤后临床上较常见的一种疾病，尤以神经内外科、急诊科和重症监护室中最为常见。其多是由脑部高级神经中枢功能活动受损所引起的对周围环境的感知障碍，严重的意识障碍(俗称“植物人”)表现为昏迷。
[0003]在医学层面，对患者意识状态的判定主要靠行为量表，具有主观性，缺乏实用的促醒设备和促醒有效性评估的装置。这些量表主要是通过观察意识障碍患者的行为学表现进行评分，对于意识障碍患者而言，行为判断本身在操作上的准确性不易保证，因为患者籍以交流的运动表达系统本身可能存在损伤，同时其觉醒水平极易波动。一旦出现意识状态误判，就会影响医生对患者正确的预后。对于MR1、CT等常规神经成像判定，意识障碍脑结构损伤程度的评估是间接、不完整的。
[0004]脑电信号由于其时间分辨率高，可以反映大脑电生理活动情况，可利用其进行意识障碍患者意识状态判定和昏迷刺激促醒治疗方面的研究，当意识障碍患者受到不同的感觉和外在刺激时，其大脑电生理活动会呈现不同的规律。
【发明内容】
[0005]本发明的目的是提供一种结构简单、成本低、便于家庭和社区使用的便携式意识障碍刺激促醒与评估系统。
[0006]为解决上述技术问题，作为本发明的一个方面，提供了一种便携式意识障碍刺激促醒与评估系统，包括:脑电信号获取装置，用于获取来自患者的第一脑电信号；信号预处理装置，与所述脑电信号获取装置连接，用于利用独立分量分析算法从所述第一脑电信号中抽取独立源成分，以滤除脑电干扰后得到第二脑电信号；数字滤波装置，与所述信号预处理装置连接，用于对所述第二脑电信号利用经验模态分解算法进行数字滤波处理从而提取有效的第三脑电信号；特征提取装置，与所述数字滤波装置连接，用于从所述第三脑电信号中提取频谱特征、样本熵和近似熵；分类识别装置，与所述特征提取装置连接，用于根据所述频谱特征、样本熵和近似熵利用支持向量机进行意识障碍状态的分类识别；输出装置，用于通过刺激器输出刺激信号。
[0007]优选地，所述脑电信号获取装置包括:脑电采集传感器，用于采集脑电信号；前置差分放大电路，与所述脑电采集传感器连接，用于对抑制采集到的脑电信号中的高共模电压；时间常数电路，与所述前置差分放大电路连接，用于消除极化电压；低通滤波电路，与所述时间常数电路的输出端连接；多路开关，与所述低通滤波电路的输出端连接，以实现多路脑电信号的切换。
[0008]优选地，所述便携式意识障碍刺激促醒与评估系统还包括:脑电信号处理装置，与所述数字滤波装置的输出端连接，用于将所述第三脑电信号显示成波形，或根据所述第三脑电信号生成EEG格式文件。
[0009]优选地，所述便携式意识障碍刺激促醒与评估系统还包括:频谱分析装置，与所述数字滤波装置的输出端连接，用于对所述第三脑电信号进行频谱数据分析，并以脑电地形图、频谱直方图、脑功率趋势图等不同的分析界面，以不同形式显示每导能量百分比和导联间能量百分比。
[0010]优选地，所述刺激器包括视觉、声音、电刺激。
[0011 ] 优选地于，所述低通滤波电路为用8阶Butterworth滤波器。
[0012]优选地，所述脑电采集传感器为16导国际10-20标准导联系统。
[0013]由于采用了上述技术方案，本发明可用于意识障碍的疗效及预后评定，为意识障碍感觉刺激疗法的家庭及社区推广提供便携式的应用平台。
【附图说明】
[0014]图1示意性示出了本发明的一个结构示意图；
图2示意性示出了本发明的另一结构示意图；
图3示意性示出了脑电信号获取装置的结构示意图。
【具体实施方式】
[0015]以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
[0016]请参考图1至图3，本发明提供了一种便携式意识障碍刺激促醒与评估系统，包括:脑电信号获取装置，用于获取来自患者的第一脑电信号；信号预处理装置，与所述脑电信号获取装置连接，用于利用独立分量分析算法从所述第一脑电信号中抽取独立源成分，以滤除脑电干扰后得到第二脑电信号；数字滤波装置，与所述信号预处理装置连接，用于对所述第二脑电信号利用经验模态分解算法进行数字滤波处理从而提取有效的第三脑电信号；特征提取装置，与所述数字滤波装置连接，用于从所述第三脑电信号中提取频谱特征、样本熵和近似熵；分类识别装置，与所述特征提取装置连接，用于根据所述频谱特征、样本熵和近似熵利用支持向量机进行意识障碍状态的分类识别；输出装置，用于通过刺激器输出刺激信号。
[0017]工作时，本发明中的系统在主控单元的控制下，通过视觉、声音、电刺激器施加给患者相应刺激；然后，采集脑电信号。由于脑电信号微弱，易受其他电信号和伪迹干扰，如50Hz工频干扰，线路噪声，眼电、肌电、心电等生理信号的干扰。为此，需要通过信号预处理装置和数字滤波装置，对采集到的脑电信号进行信号预处理，以去除脑电信号中的干扰和噪声，获得信噪比较高的脑电信号。
[0018]其中，信号预处理装置采用独立分量分析算法，可从记录信号中抽取独立源成分，有效去除脑电干扰。经验模态分解被应用到每个获得的源信号，其中与脑电特征关联的固有模态函数被选择。而数字滤波装置采用的经验模态分解是一种数据驱动的自适应信号处理算法，无需先验知识，在时间尺度上基于信号的局部特征将信号分解为一组完全正交的固有模态函数，其中与脑电特征关联的固有模态函数被选择，这些被选择的信号作为滤波后的结果输出。
[0019]然后，再由特征提取装置提取频谱特征、样本熵、近似熵特征。结合整段数据、不交叠数据段和不同交叠数据段等多窗口分析，确定不同促醒刺激与脑电响应的对应关系。当脑功能受到损伤时，在脑电功率谱上表现为慢波频带增多、快波频带减小。通过慢波频段的功率谱特性，可以反映不同的意识障碍状态。样本熵、近似熵等非线性动力学方法可以表示一个系统的复杂度，能够用来度量信号中产生新模式的概率大小，产生概率越大，序列的复杂度越大，相应的熵值越大。
[0020]接着，由分类识别装置结合支持向量机的模式分类算法，评估意识障碍状态的类另IJ，并通过输出装置控制刺激器输出刺激信号，以对患者进行促醒。
[0021]在脑机接口用到的分类算法中，现有技术中的线性分类器有非常低的计算开销，但不适合非线性问题；虽然现有技术中的神经网络方法使分类器更灵活，缺点是需要大量的训练数据，易过拟合和陷入局部极小，尤其是对噪声和像脑电这样的非稳态数据，主要是因为神经网络基于经验风险最