CN112494053B - 大脑的缺氧危险程度监控方法、系统、设备及存储介质 - Google Patents

大脑的缺氧危险程度监控方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN112494053B
CN112494053B CN202011543311.4A CN202011543311A CN112494053B CN 112494053 B CN112494053 B CN 112494053B CN 202011543311 A CN202011543311 A CN 202011543311A CN 112494053 B CN112494053 B CN 112494053B
Authority
CN
China
Prior art keywords
brain
brain region
level
region
alarm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011543311.4A
Other languages
English (en)
Other versions
CN112494053A (zh
Inventor
卢鸿基
钟经馨
熊飞
李文佳
陈苹
吴跃宝
岑柱艳
王筱毅
李明
梁志成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Delikai Medical Electronics Co.,Ltd.
Original Assignee
Shenzhen Delica Medical Equipment Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Delica Medical Equipment Co ltd filed Critical Shenzhen Delica Medical Equipment Co ltd
Priority to CN202011543311.4A priority Critical patent/CN112494053B/zh
Publication of CN112494053A publication Critical patent/CN112494053A/zh
Application granted granted Critical
Publication of CN112494053B publication Critical patent/CN112494053B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006—ECG or EEG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Neurology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了大脑的缺氧危险程度监控方法、系统、设备及存储介质，该方法包括：在进行患者的大脑脑区氧供评估前，获取各个脑区的脑区参考功率值；在进行患者的大脑脑区氧供评估时，采集各个脑区的脑区功率值；根据各个脑区的脑区参考功率值和各个脑区的脑区功率值，确定各个脑区的缺氧危险级别；当各个脑区的缺氧危险级别满足预设报警级别时，则根据与预设报警级别对应的报警规则对各个脑区的缺氧危险程度进行报警。本发明能够在长程监护中对患者大脑进行无创监护，不仅实现了对患者大脑缺氧危险程度的评估，还可以根据患者大脑各个脑区的缺氧危险级别向医护人员发出警示。

Description

大脑的缺氧危险程度监控方法、系统、设备及存储介质
技术领域
本发明涉及医学技术领域，尤其涉及一种大脑的缺氧危险程度监控方法、系统、设备及存储介质。
背景技术
人类大脑占人体体重的2％，但耗氧量却达全身耗氧量的25％，充足的脑血流量是保证脑部正常活动的首要条件。脑血流供应不足很快会严重影响脑的功能，大脑皮层对脑循环缺血和血中缺氧非常敏感，脑循环血中缺氧半分钟或完全阻断脑血流10秒钟即会导致昏迷，缺氧3分钟可能造成脑神经细胞的不能恢复的损伤，缺氧6分钟可以致死。
大脑脑电活跃程度与大脑的氧供情况存在相关性，且脑电信号的缺血性变化优先于大脑缺血性临床体征。脑电信号(EEG)能较敏感地反映脑的缺氧变化这一特性，能够给予神经重症患者床旁、连续、重复的脑氧供情况的监测和及时地告警。目前进行脑组织的氧供监测手段，通常使用近红外血氧饱和度监测或经颅多普勒脑血流监测技术，这些技术存在一定的局限性，只能对大脑局部区域的血供情况进行监测，例如，使用粘贴于大脑额区脑血氧探头仅能监测大脑额区浅表的脑氧饱和度，经颅多普勒仅能监测主要血管的血流情况而不能监测毛细血管的血供情况。在全脑的脑氧供监测中目前尚未有能进行有效的大脑全脑域脑氧供情况评估、并实现大脑全部区域氧供情况监测的手段。
发明内容
本申请实施例通过提供一种大脑脑区的缺氧危险程度评估方法、系统、设备及存储介质，旨在通过脑电信号进行大脑氧供情况的监测手段，实现大脑全脑域氧供情况的监测。
本申请实施例提供了一种大脑的缺氧危险程度监控方法，所述大脑的缺氧危险程度监控方法，包括：
在进行患者的大脑脑区氧供评估前，获取各个脑区的脑区参考功率值；其中，各个所述脑区分别是左侧脑区、右侧脑区、中央区和枕区；
在进行患者的大脑脑区氧供评估时，采集各个所述脑区的脑区功率值；
根据各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值，确定各个所述脑区的缺氧危险级别；
当各个所述脑区的缺氧危险级别满足预设报警级别时，则根据与所述预设报警级别对应的报警规则对各个所述脑区的缺氧危险程度进行报警。
在一实施例中，所述获取各个所述脑区的脑区参考功率值，包括：
在预设时长内，连续获取各个所述脑区中由各个电极采集的脑电信号；
将所述预设时长拆分为若干个相同长度的时段；
根据每一时段下的各个所述脑区所对应的脑电信号，计算每一时段下的各个所述脑区的脑电总功率值；
分别对所有时段下的各个所述脑区的脑电总功率值进行平均值计算，得到各个所述脑区的脑区参考功率值。
在一实施例中，所述根据每一时段下的各个所述脑区所对应的脑电信号，计算每一时段下的各个所述脑区的脑电总功率值，包括：
获取每一时段下的各个所述脑区中的每个脑电信号与参考电位之间的导联的功率值；
对每一时段下的各个所述脑区中的所有导联的功率值进行平均值计算，得到每一时段下的各个所述脑区的脑电总功率值。
在一实施例中，所述根据各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值，确定各个所述脑区的缺氧危险级别，包括：
计算各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值一一对应的功率偏差值；
根据所述功率偏差值，查询所述功率偏差值与所述缺氧危险级别的映射关系，得到所述缺氧危险级别。
在一实施例中，所述缺氧危险级别的级别数量与所述预设报警级别的级别数量相同，所述预设报警级别至少包括零报警级别、第一报警级别、第二报警级别、第三报警级别和第四报警级别。
在一实施例中，所述报警规则包括：
当所述缺氧危险级别满足所述零报警级别时，预设报警的控制机制为零级别；
当所述缺氧危险级别满足所述第一报警级别时，预设报警的控制机制为第一级别；
当所述缺氧危险级别满足所述第二报警级别时，预设报警的控制机制为第二级别；
当所述缺氧危险级别满足所述第三报警级别时，预设报警的控制机制为第三级别；
当所述缺氧危险级别满足所述第四报警级别时，预设报警的控制机制为第四级别。
在一实施例中，所述在进行患者的大脑脑区氧供评估时，采集各个所述脑区的脑区功率值之后，包括：
根据每一时间间隔下的左侧脑区和右侧脑区所对应的脑电信号，计算每一时间间隔下的左侧脑区和右侧脑区的脑对称指数；
若所述脑对称指数大于脑对称指数阈值，则将所述缺氧危险级别提升一个级别。
此外，为实现上述目的，本发明还提供了一种大脑的缺氧危险程度监控系统，包括：
第一采集模块，用于在进行患者的大脑脑区氧供评估前，获取各个脑区的脑区参考功率值；其中，各个所述脑区分别是左侧脑区、右侧脑区、中央区和枕区；
第二采集模块，用于在进行患者的大脑脑区氧供评估时，实时采集各个所述脑区的脑区功率值；
级别确定模块，用于根据各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值，确定各个所述脑区的缺氧危险级别；
脑区报警模块，用于当各个所述脑区的缺氧危险级别满足预设报警级别时，则根据与所述预设报警级别对应的报警规则对各个所述脑区的缺氧危险程度进行报警。
此外，为实现上述目的，本发明还提供了一种监控设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的大脑的缺氧危险程度监控程序，所述大脑的缺氧危险程度监控程序被所述处理器执行时实现上述的大脑的缺氧危险程度监控方法的步骤。
此外，为实现上述目的，本发明还提供了一种存储介质，其上存储有大脑的缺氧危险程度监控程序，所述大脑的缺氧危险程度监控程序被处理器执行时实现上述的大脑的缺氧危险程度监控方法的步骤。
本申请实施例中提供的一种大脑的缺氧危险程度监控方法、系统、设备及存储介质的技术方案，至少具有如下技术效果或优点：
由于采用了在进行患者的大脑脑区氧供评估前，获取各个脑区的脑区参考功率值在进行患者的大脑脑区氧供评估时，采集各个脑区的脑区功率值根据各个脑区的脑区参考功率值和各个脑区的脑区功率值，确定各个脑区的缺氧危险级别当各个脑区的缺氧危险级别满足预设报警级别时，则根据与预设报警级别对应的报警规则对各个脑区的缺氧危险程度进行报警的技术方案，解决了通过近红外脑氧和经颅多普勒脑血流监测手段，未能实现大脑全部区域功能监测的问题，能够在长程监护中对患者大脑进行无创监护，不仅实现了对患者大脑缺氧危险程度的评估，还可以根据患者大脑各个脑区的缺氧危险级别向医护人员发出警示，有利于辅助医护人员及时对被监测患者由大脑缺氧导致的危重情况加以处置。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的结构示意图；
图2为本发明大脑的缺氧危险程度监控方法第一实施例的流程示意图；
图3为本发明大脑的缺氧危险程度监控方法第二实施例的流程示意图；
图4为本发明大脑的缺氧危险程度监控方法第三实施例的流程示意图；
图5为本发明大脑的缺氧危险程度监控方法第四实施例的流程示意图；
图6为本发明大脑的缺氧危险程度监控系统的功能模块图；
图7为本大脑各个脑区的模拟图像示意图；
图8为右侧脑区报警图像的示意图。
具体实施方式
为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，图1为本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是，图1即可为监控设备的硬件运行环境的结构示意图。
如图1所示，该监控设备可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，监控设备还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的监控设备结构并不构成对监控设备限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及大脑的缺氧危险程度监控程序。其中，操作系统是管理和控制监控设备硬件和软件资源的程序，大脑的缺氧危险程度监控程序以及其它软件或程序的运行。
在图1所示的监控设备中，用户接口1003主要用于连接终端，与终端进行数据通信；网络接口1004主要用于后台服务器，与后台服务器进行数据通信；处理器1001可以用于调用存储器1005中存储的大脑的缺氧危险程度监控程序。
在本实施例中，监控设备包括：存储器1005、处理器1001及存储在所述存储器上并可在所述处理器上运行的大脑的缺氧危险程度监控程序，其中：
处理器1001调用存储器1005中存储的大脑的缺氧危险程度监控程序时，执行以下操作：
在进行患者的大脑脑区氧供评估前，获取各个脑区的脑区参考功率值；其中，各个所述脑区分别是左侧脑区、右侧脑区、中央区和枕区；
在进行患者的大脑脑区氧供评估时，采集各个所述脑区的脑区功率值；
根据各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值，确定各个所述脑区的缺氧危险级别；
当各个所述脑区的缺氧危险级别满足预设报警级别时，则根据与所述预设报警级别对应的报警规则对各个所述脑区的缺氧危险程度进行报警。
其中，所述缺氧危险级别的级别数量与所述预设报警级别的级别数量相同，所述预设报警级别至少包括零报警级别、第一报警级别、第二报警级别、第三报警级别和第四报警级别。所述报警规则包括：
当所述缺氧危险级别满足所述零报警级别时，预设报警的控制机制为零级别；
当所述缺氧危险级别满足所述第一报警级别时，预设报警的控制机制为第一级别；
当所述缺氧危险级别满足所述第二报警级别时，预设报警的控制机制为第二级别；
当所述缺氧危险级别满足所述第三报警级别时，预设报警的控制机制为第三级别；
当所述缺氧危险级别满足所述第四报警级别时，预设报警的控制机制为第四级别。
处理器1001调用存储器1005中存储的大脑的缺氧危险程度监控程序时，还执行以下操作：
在预设时长内，连续获取各个所述脑区中由各个电极采集的脑电信号；
将所述预设时长拆分为若干个相同长度的时段；
根据每一时段下的各个所述脑区所对应的脑电信号，计算每一时段下的各个所述脑区的脑电总功率值；
分别对所有时段下的各个所述脑区的脑电总功率值进行平均值计算，得到各个所述脑区的脑区参考功率值。
处理器1001调用存储器1005中存储的大脑的缺氧危险程度监控程序时，还执行以下操作：
获取每一时段下的各个所述脑区中的每个脑电信号与参考电位之间的导联的功率值；
对每一时段下的各个所述脑区中的所有导联的功率值进行平均值计算，得到每一时段下的各个所述脑区的脑电总功率值。
处理器1001调用存储器1005中存储的大脑的缺氧危险程度监控程序时，还执行以下操作：
计算各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值一一对应的功率偏差值；
根据所述功率偏差值，查询所述功率偏差值与所述缺氧危险级别的映射关系，得到所述缺氧危险级别。
处理器1001调用存储器1005中存储的大脑的缺氧危险程度监控程序时，还执行以下操作：
根据每一时间间隔下的左侧脑区和右侧脑区所对应的脑电信号，计算每一时间间隔下的左侧脑区和右侧脑区的脑对称指数；
若所述脑对称指数大于脑对称指数阈值，则将所述缺氧危险级别提升一个级别。
本发明实施例提供了大脑的缺氧危险程度监控方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，该大脑的缺氧危险程度监控方法应用于大脑中各个脑区生理状况的监控，例如进行不同级别的大脑中各个脑区缺氧危险程度报警。
如图2所示，在本申请的第一实施例中，本申请的大脑的缺氧危险程度监控方法，包括以下步骤：
步骤S210：在进行患者的大脑脑区氧供评估前，获取各个脑区的脑区参考功率值。
如图7所示，本实施例基于国际10-20系统，将人体的大脑分为四个脑区，分别是左侧脑区、右侧脑区、中央区和枕区。其中，左侧脑区包含的脑电信号(EEG)电极分别为F7、F3、T3、C3、T5、P3；右侧脑区包含的脑电信号电极分别为F8、F4、T4、C4、T6、P4；中央区包含的脑电信号电极分别为Fp1、Fp2、Fz、Cz；枕区包含的脑电信号电极分别为Pz、O1、O2。具体的，所述进行患者的大脑脑区氧供评估前，也可以称为或理解为进行患者的大脑脑区的缺氧危险程度监护前。在进行患者的大脑脑区氧供评估前，采集患者大脑中各个脑区的参考功率值，各个脑区的参考功率值可分别表示为：左侧脑区的参考功率值P-l,右侧脑区的参考功率值P-r，中央区的参考功率值P-c以及枕区的参考功率值P-o。其中，参考功率值P-l、参考功率值P-r、参考功率值P-c以及枕区的参考功率值P-o是分别作为患者各个脑区供氧状况正常时的数据，用于与进行患者的大脑脑区监护过程中实时采集到的各个脑区的脑区功率值进行比对。需要说明的是，本实施例不仅可以基于国际10-20系统进行脑区划分，还可以基于其他系统进行脑区划分，本实施例不做具体限定。
步骤S220：在进行患者的大脑脑区氧供评估时，采集各个所述脑区的脑区功率值。
在本实施例中，所述进行患者的大脑脑区氧供评估时，也可以称为或理解为进行患者的大脑脑区的缺氧危险程度监护时。具体的，获取到各个脑区的脑区参考功率值之后，开始进行患者的大脑各个脑区的缺氧危险程度监护。先开始在设定时长(如设定时长为10秒)内进行脑电信号采集，以保持在设定时长结束之后，可以连续获取到各个脑区的脑区功率值。在设定时长结束之后，具体以设定的时间间隔(如时间间隔为1秒)，进行脑电信号采集，从而获取患者各个脑区的脑区功率值。
步骤S230：根据各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值，确定各个所述脑区的缺氧危险级别。
在本实施例中，根据各个脑区的脑区参考功率值和各个脑区的脑区功率值，可以计算得到各个脑区的对应的功率偏差值，根据各个脑区的对应的功率偏差值，可以获取到各个脑区对应的缺氧危险级别。其中，缺氧危险级别至少包括零缺氧危险级别、第一缺氧危险级别、第二缺氧危险级别、第三缺氧危险级别和第四缺氧危险级别。
步骤S240：当各个所述脑区的缺氧危险级别满足预设报警级别时，则根据与所述预设报警级别对应的报警规则对各个所述脑区的缺氧危险程度进行报警。
在本实施例中，缺氧危险级别的级别数量与预设报警级别的级别数量相同，预设报警级别至少包括零报警级别、第一报警级别、第二报警级别、第三报警级别和第四报警级别。报警规则包括：当缺氧危险级别满足零报警级别时，预设报警的控制机制为零级别；当缺氧危险级别满足第一报警级别时，预设报警的控制机制为第一级别；当缺氧危险级别满足第二报警级别时，预设报警的控制机制为第二级别；当缺氧危险级别满足第三报警级别时，预设报警的控制机制为第三级别；当缺氧危险级别满足第四报警级别时，预设报警的控制机制为第四级别。
如表1所示，表1为报警规则表。其中，功率偏差值中的“≥0且＜10％”与零氧危险级别形成映射关系，“≥10％且＜30％”与第一缺氧危险级别形成映射关系，“≥30％且＜50％”与第二缺氧危险级别形成映射关系，“≥50％且＜70％”与第三缺氧危险级别形成映射关系，“≥70％”与第四缺氧危险级别形成映射关系。零氧危险级别、第一缺氧危险级别、第二缺氧危险级别、第三缺氧危险级别和第四缺氧危险级别分别与零报警级别、第一报警级别、第二报警级别、第三报警级别和第四报警级别一一对应，形成映射关系。预设报警的控制机制为零级别，预设报警的控制机制不执行报警动作，即不报警；预设报警的控制机制为第一级别，即对应颜色报警中的黄色常亮，以及对应声音报警中的级别1；预设报警的控制机制为第二级别，即对应颜色报警中的黄色闪烁，黄色闪烁频率为0.4Hz至0.8Hz，以及对应声音报警中的级别2；预设报警的控制机制为第三级别，即对应颜色报警中的红色常亮，以及对应声音报警中的级别3；预设报警的控制机制为第四级别，即对应颜色报警中的红色闪烁，红色闪烁频率为1.4Hz至2.8Hz，以及对应声音报警中的级别4。其中，预设报警级别具体为第一报警级别-第四报警级别中的任意一种级别时，预设报警的控制机制需要执行报警动作，即进行报警。
如图7所示，表1中的颜色报警是指显示界面显示大脑各个脑区的模拟图像，每个脑区可以显示红色和黄色。声音报警具有4个级别，级别不同，发出的报警声音效果不同。举例说明，例如，右侧脑区的缺氧危险级别满足第二报警级别时，预设报警的控制机制为第二级别，显示界面中显示的右侧脑区显示为黄色，且右侧脑区显示的黄色以0.4Hz至0.8Hz的频率进行闪烁，具体参考图8，同时报警声音为级别2。
表1
本实施例根据上述技术方案，由于采用了在进行患者的大脑脑区缺氧危险程度监护前，获取各个脑区的脑区参考功率值在进行患者的大脑脑区氧供评估时，采集各个脑区的脑区功率值根据各个脑区的脑区参考功率值和各个脑区的脑区功率值，确定各个脑区的缺氧危险级别当各个脑区的缺氧危险级别满足预设报警级别时，则根据与预设报警级别对应的报警规则对各个脑区的缺氧危险程度进行报警的技术手段，解决了通过近红外脑氧和经颅多普勒脑血流监测手段，未能实现大脑全部区域功能监测的问题，能够在长程监护中对患者大脑进行无创监护，不仅实现了对患者大脑缺氧危险程度的评估，还可以根据患者大脑各个脑区的缺氧危险级别向医护人员发出警示，有利于辅助医护人员及时对被监测患者由大脑缺氧导致的危重情况加以处置。
如图3所示，在本申请的第二实施例中，步骤S210具体包括以下步骤：
步骤S211：在预设时长内，连续获取各个所述脑区中由各个电极采集的脑电信号。
在本实施例中，进行患者的大脑脑区监护前，先在患者的每个脑区中安放多个采集脑电信号的电极，然后根据自定义设置的预设时长，如预设时长为5分钟，通过安放在各个脑区中的各个电极连续采集各个脑区的脑电信号，并连续接收各个电极采集的脑电信号，直至接收脑电信号的时间达到5分钟为止。
步骤S212：将所述预设时长拆分为若干个相同长度的时段。
在本实施例中，根据接收脑电信号时间的先后顺序，将预设时长拆分为多个相同长度的时段，每个时段与相应时间接收的脑电信号形成对应。如预设时长为5分钟，时段长度为10秒，则5分钟被拆分为30个10秒，即30个时段。例如，预设时长具体是10：05：00-10:10：00，10：05：00-10:10：00进行了脑电信号接收，时段长度为10秒，第1个时段对应的脑电信号就是10：05：00-10：05：10时段所接收的脑电信号。
步骤S213：根据每一时段下的各个所述脑区所对应的脑电信号，计算每一时段下的各个所述脑区的脑电总功率值。
在本实施例中，获取每一时段下的各个脑区中的每个脑电信号与参考电位之间的导联的功率值；其中，每个脑电信号与参考电位之间的导联的功率值也是每个电极与参考电位之间的导联的功率值。每个电极与参考电位之间的导联具有4个频带，分别是β频带、α频带、θ频带和δ频带。具体的，先获取β频带、α频带、θ频带和δ频带分别对应的多个频率值，然后从β频带、α频带、θ频带和δ频带分别对应的多个频率值中选取每个频带对应的最大频率值，再将这4个频带对应的最大频率值的平方作为各个频带的频带功率值，进而分别将这4个频带的频带功率值进行相加，得到每一时段下的各个脑区中的每个脑电信号与参考电位之间的导联的功率值。进一步的，采用上述方法，可得到每一时段下的各个脑区中的所有导联的功率值，然后对每一时段下的各个脑区中的所有导联的功率值进行平均值计算，得到每一时段下的各个脑区的脑电总功率值。例如，左侧脑区中有6个电极，每一时段下6个电极一共在左侧脑区中采集了6个脑电信号，6个脑电信号分别与参考电位之间的导联的功率值具有6个，将这6个导联的功率值相加，然后除以导联个数或者电极个数(这里电极个数为6)，得到每一时段下左侧脑区的脑电总功率值。其中，导联个数和电极个数相等，每一个电极与参考电位形成一个导联。
步骤S214：分别对所有时段下的各个所述脑区的脑电总功率值进行平均值计算，得到各个所述脑区的脑区参考功率值。
在本实施例中，得到每一时段下的各个脑区的脑电总功率值后，分别对所有时段下的各个脑区的脑电总功率值进行平均值计算，得到各个脑区的脑区参考功率值。例如，预设时长被拆分为30个时段，该30个时段下的左侧脑区的脑电总功率值具有30个，将这个30个脑电总功率值相加，然后除以30，即可得到左侧脑区的脑区参考功率值。需要说明的是，各个脑区的脑区功率值计算方式与各个脑区的脑区参考功率值计算方式相同。
如图4所示，在本申请的第三实施例中，步骤230具体包括以下步骤：
步骤S231：计算各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值一一对应的功率偏差值。
在本实施例中，得到各个脑区的脑区功率值之后，根据各个脑区的脑区参考功率值和各个脑区的脑区功率值，采用预设功率偏差值计算公式，计算各个脑区的脑区参考功率值和各个脑区的脑区功率值一一对应的功率偏差值。预设功率偏差值计算公式为：
步骤S232：根据所述功率偏差值，查询所述功率偏差值与所述缺氧危险级别的映射关系，得到所述缺氧危险级别。
在本实施例中，由于功率偏差值与缺氧危险级别具有映射关系，根据具体的功率偏差值可以查找到与该功率偏差值对应的缺氧危险级别。例如，功率偏差值为40％，该功率偏差值属于表1中的“≥30％且＜50％”，则该功率偏差值对应的缺氧危险级别为第二缺氧危险级别。
如图5所示，在本申请的第四实施例中，步骤S220之后包括以下步骤：
步骤S250：根据每一时间间隔下的左侧脑区和右侧脑区所对应的脑电信号，计算每一时间间隔下的左侧脑区和右侧脑区的脑对称指数。
在本实施例中，进行患者的大脑脑区监护的过程中，除了根据各个脑区的脑电信号计算各个脑区的脑区功率值之外，还在相同的时间间隔内，根据患者左侧脑区和右侧脑区的脑电信号，计算每一时间间隔下的左侧脑区和右侧脑区的脑对称指数。其中，每一时间间隔内采集的左侧脑区和右侧脑区的脑电信号，具体采集多组脑对称指数，取多组脑对称指数的平均值作为每一时间间隔下的左侧脑区和右侧脑区的脑对称指数。其中，脑对称指数是定量脑电信号中常用的量化指标，可通过脑电信号的功率频谱分析的傅里叶快速转换机制计算得到，可以量化评估左右双侧大脑半球在波幅、频率等方面的差异。
步骤S260：若所述脑对称指数大于脑对称指数阈值，则将所述缺氧危险级别提升一个级别。
在本实施例中，脑对称指数(BSI)为0时，左侧脑区和右侧脑区的脑电图对称性最好，当脑对称指数为1时，左侧脑区和右侧脑区的脑电图最不对称。根据脑对称指数的两个边界值0和1，设定了脑对称指数阈值，如果脑对称指数大于脑对称指数阈值，则将缺氧危险级别提升一个级别。例如，当前左侧脑区的缺氧危险级别是第一缺氧危险级别，左侧脑区和右侧脑区的脑对称指数为0.73，此时左侧脑区和右侧脑区的脑对称指数阈值为0.7，由于0.73＞0.7，则将左侧脑区的缺氧危险级别提升一个级别，左侧脑区的缺氧危险级别变为第二缺氧危险级别，同时左侧脑区的缺氧危险级别所对应的预设报警级别也会提升一个级别，即变为第二报警级别。
本实施例根据上述技术方案，由于采用了根据每一时间间隔下的左侧脑区和右侧脑区所对应的脑电信号，计算每一时间间隔下的左侧脑区和右侧脑区的脑对称指数；若脑对称指数大于脑对称指数阈值，则将缺氧危险级别提升一个级别的技术手段，实现了对患者大脑对称性的实时监控。
如图6所示，本申请提供的一种大脑的缺氧危险程度监控系统，包括：
第一采集模块310，用于在进行患者的大脑脑区氧供评估前，获取各个脑区的脑区参考功率值；其中，各个所述脑区分别是左侧脑区、右侧脑区、中央区和枕区；
第二采集模块320，用于在进行患者的大脑脑区氧供评估时，实时采集各个所述脑区的脑区功率值；
级别确定模块330，用于根据各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值，确定各个所述脑区的缺氧危险级别；
脑区报警模块340，用于当各个所述脑区的缺氧危险级别满足预设报警级别时，则根据与所述预设报警级别对应的报警规则对各个所述脑区的缺氧危险程度进行报警。
进一步的，所述第一采集模块310，包括:
数据获取单元，用于在预设时长内，连续获取各个所述脑区中由各个电极采集的脑电信号；
时长拆分单元，用于将所述预设时长拆分为若干个相同长度的时段；
第一计算单元，用于根据每一时段下的各个所述脑区所对应的脑电信号，计算每一时段下的各个所述脑区的脑电总功率值；
第二计算单元，用于分别对所有时段下的各个所述脑区的脑电总功率值进行平均值计算，得到各个所述脑区的脑区参考功率值。
进一步的，所述第一计算单元，包括：
第一子计算单元，用于获取每一时段下的各个所述脑区中的每个脑电信号与参考电位之间的导联的功率值；
第二子计算单元，用于对每一时段下的各个所述脑区中的所有导联的功率值进行平均值计算，得到每一时段下的各个所述脑区的脑电总功率值。
进一步的，所述级别确定模块330，包括：
第三计算单元，用于计算各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值一一对应的功率偏差值；
级别查询单元，用于根据所述功率偏差值，查询所述功率偏差值与所述缺氧危险级别的映射关系，得到所述缺氧危险级别。
进一步的，所述缺氧危险级别的级别数量与所述预设报警级别的级别数量相同，所述预设报警级别至少包括零报警级别、第一报警级别、第二报警级别、第三报警级别和第四报警级别。
进一步的，所述报警规则包括：
当所述缺氧危险级别满足所述零报警级别时，预设报警的控制机制为零级别；
当所述缺氧危险级别满足所述第一报警级别时，预设报警的控制机制为第一级别；
当所述缺氧危险级别满足所述第二报警级别时，预设报警的控制机制为第二级别；
当所述缺氧危险级别满足所述第三报警级别时，预设报警的控制机制为第三级别；
当所述缺氧危险级别满足所述第四报警级别时，预设报警的控制机制为第四级别。
进一步的，所述大脑的缺氧危险程度监控系统，还包括：
第四计算单元，用于根据每一时间间隔下的左侧脑区和右侧脑区所对应的脑电信号，计算每一时间间隔下的左侧脑区和右侧脑区的脑对称指数；
级别调整单元，用于若所述脑对称指数大于脑对称指数阈值，则将所述缺氧危险级别提升一个级别。
本发明大脑的缺氧危险程度监控系统具体实施方式与上述大脑的缺氧危险程度监控方法各实施例基本相同，在此不再赘述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种大脑的缺氧危险程度监控方法，其特征在于，所述大脑的缺氧危险程度监控方法，包括：
在进行患者的大脑脑区氧供评估前，在预设时长内，连续获取各个所述脑区中由各个电极采集的脑电信号，将所述预设时长拆分为若干个相同长度的时段，根据每一时段下的各个所述脑区所对应的脑电信号，计算每一时段下的各个所述脑区的脑电总功率值，分别对所有时段下的各个所述脑区的脑电总功率值进行平均值计算，得到各个所述脑区的脑区参考功率值，其中，各个所述脑区分别是左侧脑区、右侧脑区、中央区和枕区；
在进行患者的大脑脑区氧供评估时，采集各个所述脑区的脑区功率值；
计算各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值一一对应的功率偏差值，根据所述功率偏差值，查询所述功率偏差值与所述缺氧危险级别的映射关系，得到所述缺氧危险级别，其中，所述缺氧危险级别的级别数量与所述预设报警级别的级别数量相同，所述预设报警级别至少包括零报警级别、第一报警级别、第二报警级别、第三报警级别和第四报警级别；
当各个所述脑区的缺氧危险级别满足预设报警级别时，则根据与所述预设报警级别对应的报警规则对各个所述脑区的缺氧危险程度进行报警。
2.如权利要求1所述的方法，其特征在于，所述根据每一时段下的各个所述脑区所对应的脑电信号，计算每一时段下的各个所述脑区的脑电总功率值，包括：
获取每一时段下的各个所述脑区中的每个脑电信号与参考电位之间的导联的功率值；
对每一时段下的各个所述脑区中的所有导联的功率值进行平均值计算，得到每一时段下的各个所述脑区的脑电总功率值。
3.如权利要求1所述的方法，其特征在于，所述报警规则包括：
当所述缺氧危险级别满足所述零报警级别时，预设报警的控制机制为零级别；
当所述缺氧危险级别满足所述第一报警级别时，预设报警的控制机制为第一级别；
当所述缺氧危险级别满足所述第二报警级别时，预设报警的控制机制为第二级别；
当所述缺氧危险级别满足所述第三报警级别时，预设报警的控制机制为第三级别；
当所述缺氧危险级别满足所述第四报警级别时，预设报警的控制机制为第四级别。
4.如权利要求1所述的方法，其特征在于，所述在进行患者的大脑脑区氧供评估时，采集各个所述脑区的脑区功率值之后，包括：
根据每一时间间隔下的左侧脑区和右侧脑区所对应的脑电信号，计算每一时间间隔下的左侧脑区和右侧脑区的脑对称指数；
若所述脑对称指数大于脑对称指数阈值，则将所述缺氧危险级别提升一个级别。
5.一种大脑的缺氧危险程度监控系统，其特征在于，包括：
第一采集模块，用于在进行患者的大脑脑区氧供评估前，在预设时长内，连续获取各个所述脑区中由各个电极采集的脑电信号，将所述预设时长拆分为若干个相同长度的时段，根据每一时段下的各个所述脑区所对应的脑电信号，计算每一时段下的各个所述脑区的脑电总功率值，分别对所有时段下的各个所述脑区的脑电总功率值进行平均值计算，得到各个所述脑区的脑区参考功率值；其中，各个所述脑区分别是左侧脑区、右侧脑区、中央区和枕区；
第二采集模块，用于在进行患者的大脑脑区氧供评估时，实时采集各个所述脑区的脑区功率值；
级别确定模块，用于计算各个所述脑区的脑区参考功率值和各个所述脑区的脑区功率值一一对应的功率偏差值，根据所述功率偏差值，查询所述功率偏差值与所述缺氧危险级别的映射关系，得到所述缺氧危险级别，其中，所述缺氧危险级别的级别数量与所述预设报警级别的级别数量相同，所述预设报警级别至少包括零报警级别、第一报警级别、第二报警级别、第三报警级别和第四报警级别；
脑区报警模块，用于当各个所述脑区的缺氧危险级别满足预设报警级别时，则根据与所述预设报警级别对应的报警规则对各个所述脑区的缺氧危险程度进行报警。
6.一种监控设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的大脑的缺氧危险程度监控程序，所述大脑的缺氧危险程度监控程序被所述处理器执行时实现如权利要求1-4中任一项所述的大脑的缺氧危险程度监控方法的步骤。
7.一种存储介质，其特征在于，其上存储有大脑的缺氧危险程度监控程序，所述大脑的缺氧危险程度监控程序被处理器执行时实现权利要求1-4中任一项所述的大脑的缺氧危险程度监控方法的步骤。
CN202011543311.4A 2020-12-23 2020-12-23 大脑的缺氧危险程度监控方法、系统、设备及存储介质 Active CN112494053B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011543311.4A CN112494053B (zh) 2020-12-23 2020-12-23 大脑的缺氧危险程度监控方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011543311.4A CN112494053B (zh) 2020-12-23 2020-12-23 大脑的缺氧危险程度监控方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112494053A CN112494053A (zh) 2021-03-16
CN112494053B true CN112494053B (zh) 2023-10-03

Family

ID=74923296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011543311.4A Active CN112494053B (zh) 2020-12-23 2020-12-23 大脑的缺氧危险程度监控方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112494053B (zh)

Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4279258A (en) * 1980-03-26 1981-07-21 Roy John E Rapid automatic electroencephalographic evaluation
US5230346A (en) * 1992-02-04 1993-07-27 The Regents Of The University Of California Diagnosing brain conditions by quantitative electroencephalography
US6112750A (en) * 1998-03-24 2000-09-05 International Business Machines Corporation Method and system for assessing risks and prognoses of a given course of medical treatment
CN1582844A (zh) * 2004-06-03 2005-02-23 上海交通大学 缺血缺氧心率变异信号处理方法
CN101032396A (zh) * 2007-04-05 2007-09-12 上海交通大学 基于心率变异信号的脑缺血缺氧监护系统
CN103989472A (zh) * 2014-05-22 2014-08-20 杜金刚 基于脑电α节律样本熵的脑卒中患者神经康复评定方法
WO2015039744A1 (de) * 2013-09-18 2015-03-26 Universitätsklinikum Erlangen Verfahren und vorrichtung zur messung der zerebralen perfusion
CN104605839A (zh) * 2015-02-05 2015-05-13 广州市润杰医疗器械有限公司 一种昏迷患者苏醒预测方法
CN105962929A (zh) * 2015-03-13 2016-09-28 胡渐佳 脑波数据分段记录方法以及记录和显示装置
CN107714035A (zh) * 2017-09-14 2018-02-23 中国人民解放军第四军医大学 一种可穿戴式数字化脑电监测头盔
JP2018057510A (ja) * 2016-10-03 2018-04-12 株式会社脳機能研究所 ストレス評価装置及び方法
CN108030479A (zh) * 2018-02-01 2018-05-15 深圳市禹欣鑫电子有限公司 脑电波智能医疗健康器
CN108113670A (zh) * 2018-01-22 2018-06-05 江苏师范大学 一种多通道式诱发脑电波控制的无人机系统及控制方法
CN109247936A (zh) * 2018-10-31 2019-01-22 山东大学 一种全夜睡眠监测的异常脑电行为监测系统及方法
CN109567797A (zh) * 2019-01-30 2019-04-05 浙江强脑科技有限公司 癫痫预警方法、装置及计算机可读存储介质
WO2019103187A1 (ko) * 2017-11-23 2019-05-31 주식회사 아이메디신 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법
CN109893125A (zh) * 2019-03-18 2019-06-18 杭州电子科技大学 一种基于脑区信息交互的脑昏迷状态识别方法
JP2019109888A (ja) * 2017-12-18 2019-07-04 ソウル大学校産学協力団Ｓｅｏｕｌ Ｎａｔｉｏｎａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｒ＆Ｄｂ Ｆｏｕｎｄａｔｉｏｎ 二重閉回路ブレイン−マシーンインターフェースシステム及びその方法
CN110269611A (zh) * 2019-07-31 2019-09-24 上海诺诚电气股份有限公司 患者意识障碍程度监测、预警系统及方法
CN110960233A (zh) * 2019-11-21 2020-04-07 唐延智 一种基于脑电波的抑郁状态检测方法及系统
CN111466906A (zh) * 2019-01-24 2020-07-31 北京宁禾科技有限公司 穿戴式睡眠监测仪及监测方法
CN111477299A (zh) * 2020-04-08 2020-07-31 广州艾博润医疗科技有限公司 结合脑电检测分析控制的声电刺激神经调控方法及装置
CN111616682A (zh) * 2020-05-31 2020-09-04 天津大学 基于便携式脑电采集设备的癫痫发作预警系统及应用
CN111803065A (zh) * 2020-06-23 2020-10-23 北方工业大学 一种基于脑电数据的危险交通场景辨识方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002064024A2 (en) * 2001-02-13 2002-08-22 Jordan Neuroscience, Inc. Automated realtime interpretation of brain waves
WO2010051382A1 (en) * 2008-10-31 2010-05-06 Medtronic, Inc. Mood circuit monitoring to control therapy delivery
DE102008062672A1 (de) * 2008-12-17 2010-07-15 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Durchführung eines Vergleichs zwischen einer linken und einer rechten Gehirnhälfte eines Patienten
WO2016013596A1 (ja) * 2014-07-22 2016-01-28 株式会社 脳機能研究所 脳活動測定装置、プログラム、及び方法
JP5689205B1 (ja) * 2014-11-21 2015-03-25 日本メジフィジックス株式会社 頭部核医学画像の評価法
WO2019044089A1 (ja) * 2017-08-29 2019-03-07 富士フイルム株式会社 医用情報表示装置、方法及びプログラム

Patent Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4279258A (en) * 1980-03-26 1981-07-21 Roy John E Rapid automatic electroencephalographic evaluation
US5230346A (en) * 1992-02-04 1993-07-27 The Regents Of The University Of California Diagnosing brain conditions by quantitative electroencephalography
US6112750A (en) * 1998-03-24 2000-09-05 International Business Machines Corporation Method and system for assessing risks and prognoses of a given course of medical treatment
CN1582844A (zh) * 2004-06-03 2005-02-23 上海交通大学 缺血缺氧心率变异信号处理方法
CN101032396A (zh) * 2007-04-05 2007-09-12 上海交通大学 基于心率变异信号的脑缺血缺氧监护系统
WO2015039744A1 (de) * 2013-09-18 2015-03-26 Universitätsklinikum Erlangen Verfahren und vorrichtung zur messung der zerebralen perfusion
CN103989472A (zh) * 2014-05-22 2014-08-20 杜金刚 基于脑电α节律样本熵的脑卒中患者神经康复评定方法
CN104605839A (zh) * 2015-02-05 2015-05-13 广州市润杰医疗器械有限公司 一种昏迷患者苏醒预测方法
CN105962929A (zh) * 2015-03-13 2016-09-28 胡渐佳 脑波数据分段记录方法以及记录和显示装置
JP2018057510A (ja) * 2016-10-03 2018-04-12 株式会社脳機能研究所 ストレス評価装置及び方法
CN107714035A (zh) * 2017-09-14 2018-02-23 中国人民解放军第四军医大学 一种可穿戴式数字化脑电监测头盔
WO2019103187A1 (ko) * 2017-11-23 2019-05-31 주식회사 아이메디신 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법
JP2019109888A (ja) * 2017-12-18 2019-07-04 ソウル大学校産学協力団Ｓｅｏｕｌ Ｎａｔｉｏｎａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｒ＆Ｄｂ Ｆｏｕｎｄａｔｉｏｎ 二重閉回路ブレイン−マシーンインターフェースシステム及びその方法
CN108113670A (zh) * 2018-01-22 2018-06-05 江苏师范大学 一种多通道式诱发脑电波控制的无人机系统及控制方法
CN108030479A (zh) * 2018-02-01 2018-05-15 深圳市禹欣鑫电子有限公司 脑电波智能医疗健康器
CN109247936A (zh) * 2018-10-31 2019-01-22 山东大学 一种全夜睡眠监测的异常脑电行为监测系统及方法
CN111466906A (zh) * 2019-01-24 2020-07-31 北京宁禾科技有限公司 穿戴式睡眠监测仪及监测方法
CN109567797A (zh) * 2019-01-30 2019-04-05 浙江强脑科技有限公司 癫痫预警方法、装置及计算机可读存储介质
CN109893125A (zh) * 2019-03-18 2019-06-18 杭州电子科技大学 一种基于脑区信息交互的脑昏迷状态识别方法
CN110269611A (zh) * 2019-07-31 2019-09-24 上海诺诚电气股份有限公司 患者意识障碍程度监测、预警系统及方法
CN110960233A (zh) * 2019-11-21 2020-04-07 唐延智 一种基于脑电波的抑郁状态检测方法及系统
CN111477299A (zh) * 2020-04-08 2020-07-31 广州艾博润医疗科技有限公司 结合脑电检测分析控制的声电刺激神经调控方法及装置
CN111616682A (zh) * 2020-05-31 2020-09-04 天津大学 基于便携式脑电采集设备的癫痫发作预警系统及应用
CN111803065A (zh) * 2020-06-23 2020-10-23 北方工业大学 一种基于脑电数据的危险交通场景辨识方法及系统

Also Published As

Publication number Publication date
CN112494053A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
US20210012675A1 (en) Teaching method and teaching device for improving attention, and computer readable storage medium
Picard Automating the recognition of stress and emotion: From lab to real-world impact
Morales et al. Monitoring driver fatigue using a single-channel electroencephalographic device: A validation study by gaze-based, driving performance, and subjective data
Lechinger et al. CRS-R score in disorders of consciousness is strongly related to spectral EEG at rest
JP6503347B2 (ja) 電界脳波を含む脳の電気的活動測定用のセンサアセンブリ
Lin et al. Development of wireless brain computer interface with embedded multitask scheduling and its application on real-time driver's drowsiness detection and warning
US11006841B2 (en) Systems and methods for detecting strokes
Wanyan et al. Improving pilot mental workload evaluation with combined measures
KR101746497B1 (ko) 수면 유도 장치 및 이를 이용한 수면 유도 방법
Di Perri et al. Measuring consciousness in coma and related states
US11602296B2 (en) Non-invasive systems and methods for detecting mental impairment
US20180125386A1 (en) Brainwave sensor unit and brainwave measurement device using same
JP2018521830A (ja) 注意欠陥を監視し改善する方法およびシステム
KR20160110807A (ko) 다중 생체신호 검출용 헤드셋 장치
KR20180022306A (ko) 생체신호 기반의 환자 맞춤형 중독치료 시스템 및 방법
Grunewald et al. Early processing of emotional faces in a Go/NoGo task: lack of N170 right-hemispheric specialisation in children with major depression
Murata Proposal of a method to predict subjective rating on drowsiness using physiological and behavioral measures
Ryo et al. Reference values for a fetal movement acceleration measurement recorder to count fetal movements
Mindoro et al. Drowsy or not? Early drowsiness detection utilizing arduino based on electroencephalogram (eeg) neuro-signal
Kamijo et al. Physical activity and trial-by-trial adjustments of response conflict
CN112494053B (zh) 大脑的缺氧危险程度监控方法、系统、设备及存储介质
US11147505B1 (en) Methods, systems and devices for identifying an abnormal sleep condition
US11033214B1 (en) Wearable eye tracking system
KR101432044B1 (ko) 뇌파 기반의 시각 피로도 측정장치 및 측정방법
Yarici et al. Hearables: Ear EEG Based Driver Fatigue Detection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 518000, 18th Floor, Building B, High tech Innovation Center, Guangqiao Road, Tianliao Community, Yutang Street, Guangming District, Shenzhen, Guangdong Province

Patentee after: Shenzhen Delikai Medical Electronics Co.,Ltd.

Address before: 518000 6 building, second industrial zone, Guan Long Cun, Xili street, Nanshan District, Shenzhen, Guangdong, China. 10

Patentee before: SHENZHEN DELICA MEDICAL EQUIPMENT Co.,Ltd.

CP03 Change of name, title or address