[发明专利]一种基于便携式EEG设备的脑部健康筛查方法在审
| 申请号: | 201910699718.7 | 申请日: | 2019-08-02 | 
| 公开(公告)号: | CN110604565A | 公开(公告)日: | 2019-12-24 | 
| 发明(设计)人: | 卢树强;王晓岸;郭建明;格温妮斯·温妮·吴 | 申请(专利权)人: | 北京脑陆科技有限公司 | 
| 主分类号: | A61B5/0476 | 分类号: | A61B5/0476;A61B5/00;A61B5/16 | 
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 | 
| 地址: | 100000 北京市海淀区*** | 国省代码: | 北京;11 | 
| 权利要求书: | 查看更多 | 说明书: | 查看更多 | 
| 摘要: | |||
| 搜索关键词: | 脑电 脑电信号采集 脑电信号 信号识别 采集 高灵敏度电极 机器学习算法 原始脑电信号 阻抗测试模块 测量和评估 信号稳定性 预处理算法 采集数据 大脑功能 大脑信号 多项指标 精神健康 同步信号 无线传输 信号感应 学习算法 原始信号 移动端 云端 便携 导联 脑部 脑线 筛查 算法 大脑 存储 放大 测试 传输 通信 分析 健康 | ||
本发明公开了一种基于便携式EEG设备的脑部健康筛查方法,包括脑电信号采集判别步骤,所述脑电信号采集判别步骤为:第一步:通过1‑4导联的高灵敏度电极片进行信号感应,并进行原始脑电信号采集,原始信号通过阻抗测试模块进行信号稳定性测试;本发明通过脑电便携采集原始脑线信号后,进行同步信号放大,并通过无线传输进行脑电信号传输,并实现在移动端进行脑电信号接收,接收后的信号与云端通信进行存储,并通过脑电预处理算法,脑点信号识别算法,及对应的脑电机器学习算法和深度学习算法进行信号识别,通过对不同类型和状态下人们大脑信号对采集数据的分析和计算,来进行大脑功能,和大脑精神健康方面的多项指标的测量和评估。
技术领域
本发明属于EEG脑电信号识别技术领域,具体涉及一种基于便携式EEG 设备的脑部健康筛查方法。
背景技术
大脑认知是人脑接受外界信息,经过加工处理,转换成内在的心理活动,从而获取知识或应用知识的过程。认知障碍是指上述几项认知功能中的一项或多项受损,并影响个体的日常或社会能力。脑健康就是脑器质完整无损和生理。生化代谢处于相对平衡状态;就反映功能或者从认识心理学意义上看,脑的健康就是外部刺激与脑的反映过程和结果之间具有相对的一致性和维持着动态平衡;就个体经验或个体经验的社会含义来看,脑的健康就是脑的相当稳定的经验系统与不断变化着的社会现实之间能处于动态平衡之中。认知功能,大脑健康和精神健康主要测量方式是通过问卷和心理学量表及一些行为试验来观测和记录,并根据对应心理医生或临床医生结合脑电图的特征来进行判别。
存在的问题是,对大部分群体来说,调查问卷的填写比较随意,经常信息失真,导致结果判别存在较大错误。而心理医生的访谈也由于各自水平不一致,得到的结论无法统一。而脑电设备在医院通常用于其他物理性特征疾病明显的疾病诊断,设备对应比较稀少,较难分配给慢性精神和脑与认知功能相关的患者进行检测的问题,为此我们提出一种基于便携式EEG设备的脑部健康筛查方法。
发明内容
本发明的目的在于提供一种基于便携式EEG设备的脑部健康筛查方法,以解决上述背景技术中提出的对大部分群体来说,调查问卷的填写比较随意,经常信息失真,导致结果判别存在较大错误。而心理医生的访谈也由于各自水平不一致,得到的结论无法统一。而脑电设备在医院通常用于其他物理性特征疾病明显的疾病诊断,设备对应比较稀少,较难分配给慢性精神和脑与认知功能相关的患者进行检测的问题。
为实现上述目的,本发明提供如下技术方案:一种基于便携式EEG设备的脑部健康筛查方法,包括脑电信号采集判别步骤,所述脑电信号采集判别步骤为:
第一步:通过1-4导联的高灵敏度电极片进行信号感应,并进行原始脑电信号采集,原始信号通过阻抗测试模块进行信号稳定性测试;
第二步:当信号达到稳定后,将原始脑电信号传输至运算放大器,进行信号放大和信号强度调优;
第三部:对进行放大和优化后的信号通过蓝牙模块,传输到移动端,并通过加速度传感器判断当前物理状态;
第四步:移动端将接受的信号,传送至云端高性能计算服务器集群,进行信号解析与信号分析计算;
第五步:脑电信号模式识别算法,脑电机器学习算法,脑电深度学习算法对脑电状态和事件对应信号进行脑健康、脑功能等相关指标计算判别。
优选的,所述第一步中信号采集与处理流程为:
第一步:使用者佩戴脑电监测设备,进行联通测试后,开始进行原始脑电信号传输与存储;
第二步:对原始采集的信号进行数据预处理,通过傅里叶算法进行信号变换,转换成数字信号;
第三步:对转换成数字信号的脑电信号,通过滤波算法和主成分分析进行噪音取除和转换变化,主要通过回归法、自适应滤波法和独立分量分析法对眼动干扰、心电干扰、肌电干扰、工频干扰和高频噪声干扰等进行取除;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京脑陆科技有限公司,未经北京脑陆科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910699718.7/2.html,转载请声明来源钻瓜专利网。





