[发明专利]一种新型的脑卒中风险评估方法与系统

权利要求书

1.一种新型的脑卒中风险评估方法，其特征在于，包括：

采集目标生物信息，其中，所述生物信息包括目标生理信息和目标脑血氧信号；

对所述目标生物信息进行数据处理后生成目标评估参数，并将所述目标评估参数与标准评估参数进行比对，得到比对结果；

根据所述比对结果和所述目标生理信息生成评估报告。

2.根据权利要求1所述的新型的脑卒中风险评估方法，其特征在于，所述对所述目标生物信息进行数据处理后生成目标评估参数，并将所述目标评估参数与标准评估参数进行比对，得到比对结果，包括：

对所述目标脑血氧信号进行小波变换分析，得到频域结果，还得到预设波段内的平均相位信息；

分别对所述频域结果和所述预设周期内的平均相位信息进行数据处理，得到所述目标评估参数。

3.根据权利要求2所述的新型的脑卒中风险评估方法，其特征在于，所述分别对所述频域结果和所述预设波段内的平均相位信息进行数据处理，得到所述目标评估参数，包括：

对所述频域结果进行小波幅值分析，得到小波幅值均值；

对所述预设波段内的平均相位信息进行效应连接分析，得到所述预设波段的耦合强度和耦合方向。

4.根据权利要求3所述的任一种新型的脑卒中风险评估方法，其特征在于，所述并将所述目标评估参数与标准评估参数进行比对，得到比对结果，包括：

若所述小波幅值均值大于所述标准评估参数中的标准小波幅值均值，则为异常；

若所述耦合强度超出所述标准评估参数中的标准耦合强度，则为异常；

若所述耦合方向与所述标准评估参数中的标准耦合方向不同，则为异常。

5.根据权利要求4所述的新型的脑卒中风险评估方法，其特征在于，所述根据所述比对结果和所述目标生理信息生成评估报告，包括：

根据所述目标生理信息和所述比对结果建立贝叶斯网络模型；

通过极大似然算法对所述贝叶斯网络模型中的参数进行学习，生成所述网络模型中各节点的节点概率，根据所述节点概率生成所述评估报告。

6.一种新型的脑卒中风险评估系统，其特征在于，包括：

采集模组，用于采集目标生物信息，其中，所述生物信息包括目标生理信息和目标脑血氧信号；

比对模组，用于对所述采集模组采集的所述目标生物信息进行数据处理后生成目标评估参数，并将所述目标评估参数与标准评估参数进行比对，得到比对结果；

评估结果生成模组，用于根据所述比对模组通过比对得到的所述比对结果和所述目标生理信息生成评估报告。

7.根据权利要求6所述的新型的脑卒中风险评估系统，其特征在于，所述比对模组，包括：

小波变换分析单元，用于对所述采集模组采集的所述目标生物信息中的所述目标脑血氧信号进行小波变换分析，得到频域结果，还得到预设波段内的平均相位信息；

目标评估参数获取单元，用于对所述小波变换分析单元通过小波变换分析得到的所述频域结果和所述预设周期内的平均相位信息进行数据处理，得到所述目标评估参数。

8.根据权利要求7所述的新型的脑卒中风险评估系统，其特征在于，所述目标评估参数获取单元，包括：

小波幅值分析模块，用于对所述小波变换分析单元通过小波变换分析得到的所述频域结果进行小波幅值分析，得到小波幅值均值；

效应连接分析模块，用于对所述小波变换分析单元通过小波变换分析得到的所述预设波段内的平均相位信息进行效应连接分析，得到所述预设波段的耦合强度和耦合方向。