一种基于脑电信号的老年人睡眠异常监测系统及方法

1.本发明涉及一种基于脑电信号的老年人睡眠异常监测系统及方法。


背景技术：

2.临床实践表明，脑电信号中包含了大量的生理与疾病信息，通过对脑部信号异常的监测，已经成为相关疾病监控的重要措施。其中最为常见的疾病如脑卒中、癫痫等。老年人是脑部疾病的高发群体，而且大部分老年人出现脑部疾病往往在睡眠状态下，但这段时间脑电信号异常的监测往往容易缺失。传统的脑电监测仅仅依靠体积较大的设备进行采集并进行数据处理后显示，不仅不利于改善老年人睡眠质量，而且专业化的仪器设备对非专业人员而言并不能准确判断。所以针对这类脑部突发性疾病，主要有以下几个方面的问题亟待解决。一方面，如果能早期检测疾病症状并采取相应干预措施，对有疾病的老年人进行有效监测，可避免很多严重疾病的发生，进而大大降低发病率；另一方面，病后的康复和正确护理可延缓疾病自身的发展，降低残疾和死亡率。


技术实现要素：

3.本发明是为了解决上述现有技术存在的问题而提供一种基于脑电信号的老年人睡眠异常监测系统及方法。
4.本发明所采用的技术方案有：一种基于脑电信号的老年人睡眠异常监测方法，边缘监测和处理模块接收并处理老年人睡眠期间采集到的脑电信号，利用部署好的深度学习模型判断所述脑电信号是否存在异常，并对脑电信号的数据进行清洗与脱敏后上传至云端学习模块，云端学习模块接收并存储边缘监测和处理模块清洗和脱敏后的数据，并利用存储的数据集更新优化深度学习模型；边缘监测和处理模块若识别发现脑部信号存在异常，直接通过家庭无线网络或者4g/5g移动网络连接手机终端应用程序设置的紧急联系人，并通过在医疗终端查看云端学习模块中存储的历史数据，以了解用户过往身体状况。
5.进一步地，老年人睡眠期间的脑电信号采集是通过眼罩式的脑电信号采集设备采集，所述脑电信号采集设备包括：开关，所述开关控制脑电信号采集设备的开启与关闭；电源，所述电源为脑电信号采集设备进行供电；脑电电极，所述脑电电极设置两个，两个脑电电极的电压差形成一个脑电波通道；防干扰电极，所述防干扰电极用于降低人体的共模信号，实现降噪作用；信号放大器，所述信号放大器将脑电电极采集的脑电波进行放大；带通滤波模块，所述带通滤波模块将脑电电极获取到的脑电信号的主要频率控制在0.5~40hz之间；模数转换模块，所述模数转换模块将采集到脑电信号转换为数字信号；无线发送模块，所述无线发送模块将处理后的数据发送至边缘监测设备。
6.进一步地，所述边缘监测和处理模块，包括树莓派，所述树莓派通过部署的深度学习模型识别老年人睡眠期间的脑电信号是否异常，并实现与手机终端应用程序和云端学习模块的双向通信；边缘监测和处理模块通过部署的深度学习模型识别脑部异常信号，若识别发现脑部信号存在异常，直接通过家庭无线网络或者4g/5g移动网络连接手机终端应用程序设置的紧急联系人，同时边缘监测和处理模块将脑电信号传输至云端学习模块进行深度学习建模，并从云端学习模块进行下载深度学习模型。
7.进一步地，所述边缘监测和处理模块通过python的socket模块实现与手机终端应用程序和云端学习模块的双向通信。
8.进一步地，所述云端学习模块使用健康老年人群的脑电数据集和脑部异常老年人群的脑电数据集，根据数据集训练深度学习模型。
9.进一步地，所述深度学习模型是应用卷积神经网络模型。
10.本发明还提供一种基于脑电信号的老年人睡眠异常监测系统，包括脑电信号采集设备，所述脑电信号采集设备为眼罩式，脑电信号采集设备用于采集老年人睡眠期间的脑电信号；边缘监测和处理模块，所述边缘监测和处理模块用于接收并处理老年人睡眠期间采集到的脑电信号，利用部署好的深度学习模型判断所述脑电信号是否存在异常，并对脑电信号的数据进行清洗与脱敏后上传；云端学习模块，所述云端学习模块接收并通过存储模块存储边缘监测和处理模块清洗和脱敏后的数据，并利用存储的数据集更新优化深度学习模型；手机终端应用程序，所述手机终端应用程序用于接收并查看边缘监测和处理模块的判断脑电信号是否存在异常的结果，若存在异常，则通过家庭无线网络或者4g/5g移动网络通知预设的紧急联系人；医疗终端，所述医疗终端用于查看云端学习模块中存储的历史数据。
11.本发明具有如下有益效果：本发明基于脑电信号的睡眠异常监测系统可以有效监测老年人在夜间休息过程中是否存在异常脑电信号，以防疾病发生的同时可以得到紧急有效的救治。本发明采用的眼罩式脑电监测设备，脑电电极放置于眼罩内侧，可以紧贴皮肤，减少干扰，不仅避免了传统脑电采集设备体积较大、厚重的缺点，而且在采集老年人脑电信号的同时，还能够促进老年人的睡眠。本发明通过边缘节点实现对老年人脑部异常的实时监测和智能预警，有效降低因错过治疗时间而发生意外的风险。用户的脑电数据在边缘设备进行处理，能够保证脑电信号监测的实时性。本发明采用深度学习的方法建立模型，可以提高脑部异常识别的正确率。在云端进行深度学习模型的训练和验证，不影响用户边缘设备的时效性。部分新增加的数据将进一步改善深度学习模型的准确性，新的预测模型可以通过云边协同同步更新边缘节点。在老年人就诊或日常检查时，可以在医疗终端从存储模块下载历史脑电数据，以便更了解过往身体状况，是否存在可疑情况。本发明在对老年人日常护理、病后监护等方面有较好的应用前景，有一定的潜在价值。
附图说明
12.图1是本发明的系统框图。
13.图2是本发明的眼罩式脑电信号采集设备的结构示意图。
14.图3是本发明的流程框图。
15.附图标记：11、开关；12、电源；13、14、脑电极片；15、防干扰电极；16、信号放大器；17、带通滤波器；18、模数转换器；19、无线发送模块。
具体实施方式
16.下面结合附图对本发明作进一步的说明。
17.如图1，本发明一种基于脑电信号的老年人睡眠异常监测系统，包括：眼罩式脑电信号采集设备：眼罩式脑电采集设备用于采集老年人夜间休息时的脑电信号；边缘监测和处理模块，用于接收并处理脑电信号后，利用部署好的深度学习模型进行判断，是否存在异常，并对脑电数据进行清洗与脱敏；云端学习模块，用于接收边缘监测设备清洗和脱敏后的信号，进行存储，同时利用存储的数据不断更新优化深度学习模型；手机终端应用程序，主要用于接收边缘监测设备的判断结果，如果存在异常，则通过家庭无线网络或者4g/5g移动网络通知紧急联系人；同时可以查看实时脑电信号、添加并通知紧急联系人等。
18.如图2，眼罩式脑电信号采集设备包括以下部件。
19.开关11，负责眼罩式脑电信号采集设备整体的开启与关闭；电源12，电源用于为眼罩式脑电采集设备进行供电；脑电电极13和14，两个电极的电压差为一个脑电波通道；防干扰电极15用以降低人体的共模信号，从而起到降噪作用；信号放大器16，将采集的脑电波进行放大；带通滤波模块17，将脑电信号的主要频率控制在0.5~40hz之间；模数转换模块18，将采集的模拟信号转换为数字信号，方便进一步的处理；无线发送模块19，所述模块可以将处理后的数据发送至边缘监测设备，待进一步的处理。
20.边缘监测和处理模块包括树莓派，所述树莓派可以通过部署的深度学习模型识别老年人睡眠期间的脑电信号是否异常，并通过python的socket模块实现与手机应用程序终端和云端学习模块的双向通信。
21.深度学习模型应用卷积神经网络，所述卷积神经网络是mobilenetv1，相较于传统卷积网络，mobilenetv1模型引入了深度可分离卷积，是一种轻量级的神经网络。拥有更小体积和更小计算量的同时，还拥有更高的精度，更适宜完成模型部署。
22.边缘监测和处理模块通过已经部署好的深度学习模型识别脑部异常信号，如果识别发现存在异常，可直接通过家庭无线网络或者4g/5g移动网络连接紧急联系人手机终端，将老年人脑部异常信息通知紧急联系人。同时边缘监测设备还将脑电信号通过互联网传输到云端学习模块进行深度学习建模，并从云端学习模块进行下载深度学习模型。
23.云端学习模块的设计使用健康老年人群的脑电数据集和脑部异常老年人群的脑电数据集，根据数据集训练深度学习模型。深度学习模型是学习样本数据的内在规律和表
示层次，最终目标是让机器能够自动分析脑电监测相关数据。
24.手机终端应用程序，脑电数据经由边缘设备实时获取脑电信号并识别是否有异常，手机终端应用程序通过家庭无线网络或4g/5g移动网络与边缘设备通信，获取数据处理所得的结果。同时，手机终端应用程序还可以添加紧急联系人。
25.医疗终端，所述医疗终端用于查看云端学习模块中存储的历史数据，在患者就诊时医生可以更了解患者过往身体状况。
26.如图3，结合系统，对本发明作进一步说明。
27.第一步：老年人夜间休息佩戴眼罩式脑电信号采集设备，同时打开开关11，脑电设备开始工作，采集脑电信号；第二步：采集到的脑电信号进行降噪过滤等处理后传入信号放大器16对信号进行放大，之后再将放大的脑电信号传入带通滤波器17，带通滤波器将0.5~40hz的脑电信号保留，再经过模数转换模块18转换为特定的脑电数据，最后再通过无线发送模块19将最终处理好的脑电数据传送到边缘监测设备中；第三步：云端学习模块通过数据集提前训练并优化深度学习模型，之后将模型部署至边缘监测设备；第四步：根据接收到的脑电数据，对数据进行分割等预处理后，利用边缘监测设备中提前部署好的深度学习模型，检测老年人睡眠期间的脑电信号是否存在异常；第五步：通过家庭无线网络或4g/5g移动网络接收边缘设备检测的结果，如果结果出现异常，则启动预警程序，通知紧急联系人。
28.根据本发明实施例的基于脑电信号的老年人睡眠异常监测系统，可以方便有效的监测老年人睡眠期间是否出现脑部异常，不仅通过深度学习模型可以有效提高检测的准确率，而且还能通过手机应用程序进行显示并设置紧急联系人。同时，在医疗终端可以查看云端学习模块中存储的历史数据，以便更了解患者过往身体状况。本发明采用的眼罩式脑电监测设备，脑电电极放置于眼罩内侧，可以紧贴皮肤，减少干扰，不仅避免了传统脑电采集设备体积较大、厚重的缺点，而且在采集老年人脑电信号的同时，还能够促进老年人的睡眠。本发明通过边缘节点实现对老年人脑部异常的实时监测和智能预警，有效降低因错过治疗时间而发生意外的风险。用户的脑电数据在边缘设备进行处理，能够保证脑电信号监测的实时性。本发明采用深度学习的方法建立模型，可以提高脑部异常识别的正确率。在云端进行深度学习模型的训练和验证，不影响用户边缘设备的时效性。部分新增加的数据将进一步改善深度学习模型的准确性，新的预测模型可以通过云边协同同步更新边缘节点。本发明在对老年人日常护理、病后监护等方面有较好的应用前景，有一定的潜在价值。
29.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。