CN102274023A - 一种新型脑功能检测装置及方法 - Google Patents

一种新型脑功能检测装置及方法 Download PDF

Info

Publication number
CN102274023A
CN102274023A CN201110187223XA CN201110187223A CN102274023A CN 102274023 A CN102274023 A CN 102274023A CN 201110187223X A CN201110187223X A CN 201110187223XA CN 201110187223 A CN201110187223 A CN 201110187223A CN 102274023 A CN102274023 A CN 102274023A
Authority
CN
China
Prior art keywords
index
brain
function
calculation
memory
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.)
Pending
Application number
CN201110187223XA
Other languages
English (en)
Inventor
王宪举
刘济英
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.)
Beijing Fuliye Information Science Technology Research Institute
Original Assignee
Beijing Fuliye Information Science Technology Research Institute
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 Beijing Fuliye Information Science Technology Research Institute filed Critical Beijing Fuliye Information Science Technology Research Institute
Priority to CN201110187223XA priority Critical patent/CN102274023A/zh
Publication of CN102274023A publication Critical patent/CN102274023A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

一种新型脑功能检测装置及方法。该发明采用系统论和信息论的理论和方法，建立了大脑的记忆、传输和响应的网络模型，表示了大脑的记忆功能、联想功能、工作负荷功能、应激响应功能。该发明包括：脑信息预处理，记忆指数计算，联想指数计算，负荷指数计算，应激指数计算，脑功能综合评价，以及为实现上述功能而设计的装置。

Description

一种新型脑功能检测装置及方法
技术领域
该项发明是一种新型脑功能检测装置及方法。它属于生物信息工程学科，处于医学、生物学、数学、计算机、电子工程多门学科相结合的边缘领域。
背景技术
人类通过记录大脑的生物电活动，认识与研究大脑的功能，始于上个世纪二十年代，至今已有八十余年的发展历史。这期间经历了几个发展时期。
大脑的生物电活动-脑电图是来自人体的一种微弱电信号，自从上世纪初，科学家从人体上记录下来，就受到医学和生物学专家的极大重视。由于脑电图信号的特殊性，采集、分析、处理有很大的困难。脑电图信号的幅度是μV级，极其微弱，要经过10的6次方放大才能在仪器上显示出来，极易受干扰，例如，来自人体的干扰有：血管、肌肉、皮肤、眼动，等；外界的干扰有：电极、导线、电磁场环境等。
更为困难的是，信号本身是一种随机现象，用常规的数学-物理方法很难表示，不像心电图那样，有一个确定的模式。所以，从上世纪三十年代之后，科学家就开始探索用各种数学-物理方法对脑电图进行解释。
最初，医生分析脑电图，采用手工方法，用尺子测量，计算波形的高度、宽度，等。三十年代之后，科学家采用微积分中谐波函数分析方法，把脑电图展开成调和级数，算出“振幅谱”、“位相谱”，作为参数提供分析。
五十年代之后，科学家采用“不确定问题”的数学理论-概率论的高层分支--随机过程的理论研究脑电图，有了新的发展。证明了脑电图属于准平稳随机过程。并建立了一套完备的数学处理模型，其处理方法如下：
脑电图→相关函数→付立叶变换→功率谱密度函数→谱密度六频段(δ，θ，α1，α2，β1，β2)
但是由于没有快速的计算方法和计算工具，上述理论只是处于研究阶段，很难实际应用。
六十年代以后，在科学界出现了一个划时代的进步，就是计算机的发明、使用，给自然科学的发展带来质的飞跃，又加上在数据分析方面发明了快速付立叶变换(FFT)，使得许多科学难题得到了解决。当FFT计算方法和计算机引入脑电图的研究后，它的实际应用才获得极大的进展，脑电图的分析才真正进入实用阶段。
八十年代后，由于航天技术的飞跃发展，出现了一些新的理论和方法，其中关于飞行器轨道的测量和控制的理论和方法，被许多领域引用。脑电图研究也是采用了其中的一项技术-“自回归模型”之后，它从非参数模型(FFT)上升到参数模型(AR)，进入了更精确、更严谨的阶段，因此，它的实用价值更为显著。
目前，对于脑电图的研究存在的局限是各个功能区之间是独立的，即孤立的，没有建立相互间的联系，因此功能之间的关联未能反映出来。这为今后的更高层研究产生了困难。为此，本发明提供了一个新的描述脑功能的信息模型-记忆与联想模型，比目前使用的孤立的功率谱方法更为精确。为脑功能的研究提供了一个新的方法、新的模型。
按照现代系统论的定义和分型，人的大脑属于生物系统、多功能系统、动态系统、复杂系统。根据脑电图测量的国际标准10-20系统，以及国际上常用的16导联电极模式，本模型的基本假定如下，参看“说明书附图”图1：
16个电极的总体作为主系统；
16个电极的每个电极作为一个子系统；
每个子系统有独立的功能，对信息有记忆功能、处理功能；
各子系统之间有联系、有协调，对信息有传输功能、响应功能。
依据上述基本假定，引入下述的定义：
定义1：子系统的记忆指数
子系统的记忆指数≡1.0-子系统的信息衰减率≡1.0-α≡Mem
定义2：子系统间的联想指数
子系统间的联想指数≡1.0-子系统间的信息衰减率≡1.0-β≡Asca
本发明进一步根据提出的模型在工程上予以实现，设计了一套装置。应用该装置在临床和实验室进行了实际验证，获得了预期的结果。
发明内容
本发明是一种检测脑功能的装置，其特征在于：由脑信息预处理(3)、记忆指数计算(4)、联想指数计算(5)、负荷指数计算(6)、应激指数计算(7)、脑功能综合评价(8)，共六个部分组成。其中，脑信息预处理(3)包括对脑信息的筛选、数字滤波；记忆指数计算(4)是对经过预处理的脑信息计算记忆功能指数；联想指数计算(5)是对经过预处理的脑信息计算联想功能指数；负荷指数计算(6)是对经过预处理后的脑信息计算工作负荷能力指数；应激指数计算(7)是对经过预处理后的脑信息计算应激能力指数；脑功能综合评价(8)是对计算、分析的结果进行综合评价。
本发明采用的计算方法包括下述的步骤：
●脑信息预处理步骤；
●记忆指数计算步骤；
●联想指数计算步骤；
●负荷指数计算步骤；
●应激指数计算步骤；
●脑功能综合评价步骤。
附图说明
图1是本项发明的基本理论，其中每一个电极定义为一个子系统，全体子系统构成主系统。
图2是实施本发明的相关装置，其中部分3至部分8是实现本发明的具体装置。
具体实施方式
结合“说明书附图”中图2，对本发明所涉及的各项功能进行描述。
部分(1)是被检查者；
部分(2)是脑信息的采集器，包括采集、放大、传输功能；
部分(3)是对脑信息的预处理，包括筛选、数字滤波功能；
部分(4)是对经过预处理后的脑信息计算记忆指数；
部分(5)是对经过预处理后的脑信息计算联想指数；
部分(6)是对经过预处理后的脑信息计算负荷指数；
部分(7)是对经过预处理后的脑信息计算应激指数；
部分(8)是对计算、分析的结果进行综合评价；
部分(9)是输出综合评价结果。
本发明的具体实施过程为：
●脑信息采集
从被试者采集脑信息，经USB接口，进入分析处理。
●脑信息预处理
对接收到的信息，进行筛选，做数字滤波，去除外界的干扰。
●记忆指数计算
◆子系统信息衰减函数计算公式
Dec(i，k)＝[∫EEG(i，t)*EEG(i，t+k)*dt]/n
其中Dec(i，k)为子系统信息衰减函数；EEG(i，t)为脑电图信号，时间序列函数；
i为导联序号，函数的自变量；k为EEG时间间隔，函数的自变量；t为EEG的时
间坐标，函数的自变量；n为EEG的记录长度；∫、dt为积分单元。
◆子系统信息衰减率计算公式
Dec_E(i)＝∫Dec(i，k)*dk
其中Dec_E(i)为子系统信息衰减函数Dec(i，k)的数学期望值。
◆主系统信息衰减率计算公式
α＝∫Dec_E(i)*di
◆主系统记忆指数计算公式
Mem＝1-α
●联想指数计算
◆子系统间传输响应衰减函数计算公式
Tra(i，j，k)＝[∫EEG(i，t)*EEG(j，t+k)*dt]/n
其中Tra(i，j，k)为子系统间传输响应衰减函数；i、j为导联序号，k为时间间隔。
EEG(i，t)、EEG(j，t+k)为脑电图信号。
◆子系统间传输响应衰减率计算公式
Tra_E(i，j)＝∫Tra(i，j，k)*dk
其中Tra_E(i，j)为子系统间传输相应衰减函数Tra(i，j，k)的数学期望值。
◆主系统传输响应衰减率计算公式
β＝∫[∫Tra_E(i，j)*di]*dj
◆主系统联想指数计算公式
Asca＝1-β
●负荷指数计算
◆子系统负荷分布函数计算公式
Pow(i，f)＝∫EEG(i，t)*EEG(i，t)*dt
其中Pow(i，f)为子系统工作负荷分布函数；i为导联序号，f为频率。
◆子系统负荷指数计算公式
Pow(i)＝∫Pow(i，f)*df
其中Pow(i)为子系统工作负荷分布函数Pow(i，f)的数学期望值。
◆主系统负荷指数计算公式
Wabil＝∫Pow(i)*di
●应激指数计算
◆子系统应激指数计算公式
Bal(i)＝Max{Pow(i，f)}(f)
其中Bal(i)为子系统应激指数；Max为对f求极值。
◆主系统应激指数计算公式
Babil＝∫Bal(i)*di
●综合评价
(a)当Mem＜M1时，记忆功能差；
当M1≤Mem＜M2时，记忆功能中等；
当M2≤Mem＜M3时，记忆功能良好；
当M3≤Mem时，记忆功能优秀。
(b)当Asca＜A1时，联想功能差；
当A1≤Asca＜A2时，联想功能中等；
当A2≤Asca＜A3时，联想功能良好；
当A3≤Asca时，联想功能优秀。
(c)当Wabil＜W1时，工作负荷能力差；
当W1≤Wabil＜W2时，工作负荷能力中等；
当W2≤Wabil＜W3时，工作负荷能力良好；
当W3≤Wabil时，工作负荷能力优秀。
(d)当Babil＜B1时，应激能力差；
当B1≤Babil＜B2时，应激能力中等；
当B2≤Babil＜B3时，应激能力良好；
当B3≤Babil≤B4时，应激能力优秀；
当B4＜Babil≤B5时，应激能力良好；
当B5＜Babil≤B6时，应激能力中等；
当B6＜Babil时，应激能力差。
●参数范围：
M1＝0.1，M2＝0.15，M3＝0.30
A1＝0.1，A2＝0.15，A3＝0.30
W1＝0.35，W2＝0.50，W3＝0.70
B1＝7.0，B2＝8.0，B3＝9.0，B4＝11.0，B5＝13.0，B6＝14.0

Claims (2)

1.一种新型脑功能检测装置，其特征在于：由脑信息预处理(3)、记忆指数计算(4)、联想指数计算(5)、负荷指数计算(6)、应激指数计算(7)、脑功能综合评定(8)，共六个部分组成，其中，脑信息预处理(3)包括对脑信息的筛选、数字滤波；记忆指数计算(4)是对经过预处理的脑信息计算记忆功能指数；联想指数计算(5)是对经过预处理的脑信息计算联想功能指数；负荷指数计算(6)是对经过预处理后的脑信息计算工作负荷能力指数；应激指数计算(7)是对经过预处理后的脑信息计算应激能力指数；脑功能综合评价(8)是对计算、分析的结果进行综合评价。
2.根据权利要求1所述的脑功能检测装置，与其相关联的计算步骤，其特征为：
(A)记忆指数计算方法；
(B)联想指数计算方法；
(C)负荷指数计算方法；
(D)应激指数计算方法。
CN201110187223XA 2011-07-06 2011-07-06 一种新型脑功能检测装置及方法 Pending CN102274023A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110187223XA CN102274023A (zh) 2011-07-06 2011-07-06 一种新型脑功能检测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110187223XA CN102274023A (zh) 2011-07-06 2011-07-06 一种新型脑功能检测装置及方法

Publications (1)

Publication Number Publication Date
CN102274023A true CN102274023A (zh) 2011-12-14

Family

ID=45099998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110187223XA Pending CN102274023A (zh) 2011-07-06 2011-07-06 一种新型脑功能检测装置及方法

Country Status (1)

Country Link
CN (1) CN102274023A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102715889A (zh) * 2012-06-11 2012-10-10 天津大学 一种脑力负荷检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1552284A (zh) * 2003-12-18 2004-12-08 常州市第一人民医院 儿童认知功能发育测试系统
US20090198145A1 (en) * 2008-02-06 2009-08-06 Chow Harrison Compositions, methods, and systems for rapid induction and maintenance of continuous rem sleep

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1552284A (zh) * 2003-12-18 2004-12-08 常州市第一人民医院 儿童认知功能发育测试系统
US20090198145A1 (en) * 2008-02-06 2009-08-06 Chow Harrison Compositions, methods, and systems for rapid induction and maintenance of continuous rem sleep

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王宪举 等: "《信息的记忆与联想》", 《现代电生理学杂志》, vol. 16, no. 4, 31 December 2009 (2009-12-31), pages 217 - 222 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102715889A (zh) * 2012-06-11 2012-10-10 天津大学 一种脑力负荷检测方法
CN102715889B (zh) * 2012-06-11 2014-01-29 天津大学 一种脑力负荷检测方法

Similar Documents

Publication Publication Date Title
Huang et al. On Holo-Hilbert spectral analysis: a full informational spectral representation for nonlinear and non-stationary data
Jarque-Bou et al. A systematic review of EMG applications for the characterization of forearm and hand muscle activity during activities of daily living: Results, challenges, and open issues
Rehman et al. Multivariate empirical mode decomposition
Liu et al. Edge deep learning for neural implants: a case study of seizure detection and prediction
Zhang et al. MFFNet: Multi-dimensional Feature Fusion Network based on attention mechanism for sEMG analysis to detect muscle fatigue
AlOmari et al. Analysis of extracted forearm sEMG signal using LDA, QDA, K-NN classification algorithms
Nodera et al. Deep learning for waveform identification of resting needle electromyography signals
CN109512395B (zh) 一种生物信号的分析处理方法、装置及设备
Shen et al. A High‐Precision Fatigue Detecting Method for Air Traffic Controllers Based on Revised Fractal Dimension Feature
Xu et al. A novel SE-CNN attention architecture for sEMG-based hand gesture recognition
Jaramillo-Yanez et al. Short-term hand gesture recognition using electromyography in the transient state, support vector machines, and discrete wavelet transform
Ellis et al. A Systematic Approach for Explaining Time and Frequency Features Extracted by Convolutional Neural Networks From Raw Electroencephalography Data
CN118230971A (zh) 医疗信息抽取方法、装置、电子设备和存储介质
Wang et al. A study on the classification effect of sEMG signals in different vibration environments based on the lda algorithm
Tang et al. Epileptic seizure detection based on path signature and bi-LSTM network with attention mechanism
AlOmari et al. Novel hybrid soft computing pattern recognition system SVM–GAPSO for classification of eight different hand motions
Sriramoju et al. SKETCHING-BASED HIGH-PERFORMANCE BIG DATA PROCESSING ACCELERATOR
Liu et al. An automatic ECG signal quality assessment method based on resnet and self-attention
CN116473556A (zh) 一种基于多位点皮肤生理响应的情感计算方法及系统
Irungu et al. ML-ECG-COVID: A Machine Learning-Electrocardiogram Signal Processing Technique for COVID-19 Predictive Modeling
Chen et al. ICA-based muscle–tendon units localization and activation analysis during dynamic motion tasks
CN102274023A (zh) 一种新型脑功能检测装置及方法
Zhou et al. A smart universal single-channel blind source separation method and applications
CN115299960A (zh) 基于短时变分模态分解的电信号分解方法及脑电信号分解装置
Zhang et al. EEG-based real-time diagnostic system with developed dynamic 2TEMD and dynamic ApEn algorithms

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20111214