CN102389306B - 脑电图伪差自动识别方法和采用该方法的自动识别脑电图仪 - Google Patents
脑电图伪差自动识别方法和采用该方法的自动识别脑电图仪 Download PDFInfo
- Publication number
- CN102389306B CN102389306B CN 201110174954 CN201110174954A CN102389306B CN 102389306 B CN102389306 B CN 102389306B CN 201110174954 CN201110174954 CN 201110174954 CN 201110174954 A CN201110174954 A CN 201110174954A CN 102389306 B CN102389306 B CN 102389306B
- Authority
- CN
- China
- Prior art keywords
- artifact
- electroencephalogram
- interval
- suspicious
- suspicious interval
- 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
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种脑电图伪差自动识别方法和一种采用该方法的伪差自动识别脑电图仪,所述方法为通过电极采集脑电信号,对脑电信号进行分析处理,生成所需的脑电图检测数据;通过摄像装置采集涉及被检测者和/或检测环境的视频信号,对视频信号进行分析,将被检测者和/或检测环境出现易于导致伪差的视频情形的时间段判断为伪差可疑区间;再进行伪差可疑区间标识,并显示含有伪差可疑区间标识的脑电图或趋势图。所述视频脑电图仪中的电脑主机或操作服务器用于执行本方法中上述电极、摄像装置所采集数据的分析处理任务。本发明可使脑电图和脑电趋势图中同时直观显示伪差可疑区间,降低人为分析并剔除伪差信号的难度,提高脑电分析的准确性和效率。
Description
技术领域
本发明涉及一种脑电图伪差自动识别方法和一种带有伪差自动识别功能的脑电检测装置。
背景技术
脑电图的伪差又称伪迹或干扰,是指来自脑外的电位活动在脑电图中的反映。众所周知,脑电信号是一种非常微弱的生理电信号,自发脑电信号的幅度为30-100uV,因而需要经过几十万倍的放大才能记录到,在这一过程中,各种来源的非脑电信号也可能会进入放大器,混入到脑电信号中来,形成伪差。
伪差的出现常给阅读、分析、判断脑电图造成困难,尤其是某些伪差与痫波很相似,临床上很容易造成误诊,因此正确识别和排除对脑电图判断的准确性至为重要。伪差有多种类型,包括生理性伪差(如心电、肌电等)、来自仪器和电极的伪差、来自环境电磁干扰的伪差以及运动引起的伪差等。其中,比较困难的是判断由于病人运动或活动造成的伪差。为了辨别运动引起的伪差,很多癫痫中心在病房和走廊等多处安装有摄像装置,以便在病区的大多数地方都能检测到病人的活动和发作,当由于这些视频信号通常并非由脑电设备生产厂家提供,一般无法与脑电数据整合在一起,因此多数并没有被医生有效地利用。
后来发展起来的视频脑电图机尽管实现了摄像装置与传统脑电仪的连接,即在做脑电图的同时进行录像,并通过软件把每一时刻的脑电图和视频图像一一对应起立,可以在看脑电图的同时观看患者发作时的同步录像,大大地提高了对癫痫发作事件的认识,为医生剃除伪差干扰提供依据。但由于数分钟甚至数小时的图像数据无法同脑电图和/或脑电趋势图(如果不压缩,每小时记录的脑电数据大约要显示360屏)一样在一屏或少数几屏中显示出来,医生要从脑电图中辨识出表现异常的信号是疾病引起的还是伪差导致的,通常还要翻阅原始脑电图并查阅视频资料,而一台脑电图机一天记录的数据相当于 8640 屏的数据,从如此大量的数据中,找出要研究的癫痫信号的发生,并用视频辅助辨别出伪差是非常耗时耗力的。
发明内容
为了解决上述技术问题,本发明提供了一种脑电图伪差自动识别方法和采用该方法的视频脑电图仪,采用该方法能够对采集的视频图像进行运动目标检测,并依据检测结果判断出伪差可疑区间,并将伪差可疑区间直观显示在脑电图和脑电趋势图中,降低人为分析并剔除脑电中伪差信号的难度,提高脑电分析的准确性和效率。
本发明所采用的技术方案是:
一种脑电图伪差自动识别方法,包括下列步骤:
通过电极采集脑电信号,对所述脑电信号进行分析处理,生成所需的脑电图检测数据;
通过摄像装置采集涉及被检测者和/或检测环境的视频信号,对所述的视频信号进行分析,将被检测者和/或检测环境出现易于导致伪差的视频情形的时间段判断为伪差可疑区间;
进行伪差可疑区间标识,生成带有伪差可疑区间标识的脑电图检测显示数据或者生成所述伪差可疑区间与所述脑电图检测数据的关联显示方式。
更优地,还可以采用音频采集装置采集涉及被检测者和/或检测环境的音频信号,对所述的音频信号进行分析,将被检测者和/或检测环境出现易于导致伪差的音频情形的时间段判断为辅助伪差可疑区间,并以辅助伪差可疑区间修正和/或细化所述伪差可疑区间。
一种伪差自动识别脑电图仪,包括:
电极,用于采集脑电信号;
放大电路,用于对接入的脑电信号进行放大;
摄像装置,用于获得被检测者和/或检测环境的视频信号;
电脑主机或操作服务器,用于对放大后的脑电信号进行处理,生成所需的脑电检测数据,对所述视频信号进行分析,将出现易于导致伪差的视频情形的时间段判断为伪差可疑区间,并生成带有伪差可疑区间标识的脑电图检测显示数据或者生成所述伪差可疑区间与所述脑电图检测数据的关联显示方式。
更优地,还可以包括音频采集装置,用于获得被检测者和/或检测环境的音频信号。
本发明的有益效果是:
(1)将摄像装置采集的涉及被检测者和/或检测环境的视频信号作为伪差自动辨别的主要依据,将被检测者和/或检测环境出现易于导致伪差的视频情形的时间段作为伪差可疑区间,并同时直观显示在在脑电图和脑电趋势图中,显著降低了人为分析并剔除脑电中伪差信号的难度,提高脑电分析的准确性和效率;
(2)将音频采集装置采集的涉及被检测者和/或检测环境的音频信号作为伪差自动辨别的辅助依据,实现了对所述伪差可疑区间的修正和/或细化,使脑电分析更加准确和高效;
(3)将伪差可疑区间分成多种可疑等级,并对不同可疑等级的伪差可疑区间进行不同形式的标记,对于可疑等级极高的伪差可疑区间所对应的脑电图检测数据甚至可以不显示,进一步提高了进行人工伪差识别的效率和准确度,还提高了对相应数据的存储和显示速度;
(4)采用本方法既可以对单个脑电监测设备实时或非实时分析,又可以对于有联网环境中心存储设备保存的数据做实时或非实时分析;既可以对视频脑电图机本身做分析,又可以对视频监控与普通长程脑电图机非一体部署的监测结果做分析。
附图说明
图1是本发明的电脑主机或操作服务器内对相关数据进行逻辑分析和处理的流程框图;
图2是本发明的脑电图伪差自动识别方法流程图;
图3是本发明的伪差自动识别的视频脑电图仪的结构组成示意图。
具体实施方式
为方便描述,本发明将脑电图中通过视频信号判断为未出现易于导致伪差的视频情形的时间段称为可信区间,将脑电图中通过视频信号判断为出现了易于导致伪差的视频情形的时间段称为视频伪差可疑区间,将其中通过音频信号判断为出现了易于导致伪差的音频情形的时间段称为音频伪差可疑区间,将其中同时存在视频伪差可疑区间和音频伪差可疑区间的时间段简称为伪差高度可疑区间。
如图1、2所示,本发明涉及一种脑电图伪差自动识别方法,包括下列步骤:
(1)通过电极采集脑电信号,经放大处理后形成脑电数据流并送入电脑主机,在电脑主机中对所述脑电信号进行数据分析和处理,生成所需的脑电图检测数据;
(2)通过摄像装置采集涉及被检测者和/或检测环境的视频信号,电脑主机接收视频数据流后对所述视频信号进行分析,将被检测者和/或检测环境出现易于导致伪差的视频情形的时间段判断为伪差可疑区间;
(3)进行伪差可疑区间标识,生成带有伪差可疑区间标识的脑电图检测显示数据或者生成所述伪差可疑区间与所述脑电图检测数据的关联显示方式。
其中,进行伪差可疑区间标识的具体方法优选为对于被检测者和/或检测环境出现易于导致伪差的视频情形的时间段,按照所述视频信号采集的时间戳,生成伪差可疑区间的时间向量,并将该时间向量叠加在所述脑电图检测数据上生成带有伪差可疑区间标识的脑电图检测显示数据或者建立所述伪差可疑区间与所述脑电图检测数据的之间的关联,并生成关联显示方式。
本发明所称的伪差可疑区间是一个时间概念,其确定依据优选为被监测目标的运动时间,因此要求所述伪差分析处理单元针对视频采集数据进行运动目标检测。所谓运动目标检测,就是检测视频序列图像中是否存在相对于整幅场景图像运动的物体,特别是接受检测的病人,其动作和活动将对脑电数据产生明显的影响。背景差分法是最常用且有效的运动检测方法,运动目标跟踪之“差分图像法”,亦即frame differencing algorithm,是本发明优选的图像处理方法,用于进行伪差可疑时间向量的判断,来达到识别病人活动或动作的目的。它是根据当前图像与参考图像的差别分析来判断序列图像中是否有运动物体,来检测运动物体的。在环境亮度变化不大的情况下,如果对应像素灰度相差很小,可以认为此处景物是静止的;如果图像区域某处的灰度变化很大,则认为这是由于图像中运动物体引起的,即认为这期间被监测目标是在运动的。
所述伪差分析处理单元可按照视频信号采集的时间戳,生成伪差可疑区间的时间向量,所述数据标识单元可以使该时间向量与脑电中常见的一些趋势图联合实时显示或回放于所述显示器,直接提示出伪差的可疑区间,克服了现有的脑电图和脑电趋势图无法直观区分显示是否有伪差存在的不足。操作人员可以直观地看到疑似伪差的时间段,如果快速对于脑电信号进行裁剪、存储和研究,可以直接略过可疑区间,而将注意力更多地集中于癫痫事件发生概率更高的非可疑区间,极大地提高了伪差辨别的效率和准确程度,减小了因伪差发生而造成误诊的可能性。
对所述视频信号进行分析的方式优选为采用差分图像法识别被检测者和/或检测环境的物体运动,在物体运动超过设定的阈值时,判断为出现易于导致伪差的视频情形。
如图2所示,对所述视频信号进行分析的步骤可以包括:
(1)选择或产生一个参考或者背景图像;
(2)选择应用一个合适的阈值;
(3)对视频信号做帧间差运算操作,计算差分是否超过阈值。
所述参考图像为选定的屏幕相对静止时期的背景,或者为从一个动态序列中选择出的一个临近的图像,参考图像的选择中加入更新策略,以保证参考图像保持不断更新。
为了更准确地判断伪差发生的时间,还可将音频作为判断伪差的辅助参考依据,具体地,可以采用音频采集装置采集涉及被检测者和/或检测环境的音频信号,对所述的音频信号进行分析,将被检测者和/或检测环境出现易于导致伪差的音频情形的时间段判断为辅助伪差可疑区间,并以辅助伪差可疑区间修正和/或细化所述伪差可疑区间。
对所述音频信号进行分析的方式优选为设定与被检测者相关的背景声响阈值和/或特定声响的强度阈值,当背景声响和/或特定声响的强度超过设定的相应强度阈值时,判断为出现易于导致伪差的音频情形。
优选设定视频处理线程和音频处理线程的优先级相同,由于视频处理线程的复杂度高,通常音频处理线程生成伪差可疑时间向量会快一些,并将音频的处理结果仅作为视频处理算法的辅助参考依据。
以辅助伪差可疑区间修正和/或细化所述伪差可疑区间的方式可以为下列任意一种方式:
(1)在通过视频信号分析判断出出现易于导致伪差的视频情形时,引入相应时间段的音频信号分析结果,如果音频信号分析结果为出现易于导致伪差的音频情形,则将该时间段判断为伪差高度可疑区间,如果音频信号分析结果为未出现易于导致伪差的音频情形,则将该时间段判断为伪差普通可疑区间;
(2)依据视频信号分析和音频信号分析结果,以同时出现易于导致伪差的视频情形和易于导致伪差的音频情形的时间段为伪差高度可疑区间,以只出现易于导致伪差的视频情形或易于导致伪差的音频情形的时间段为伪差普通可疑区间;
(3)依据视频信号分析和音频信号分析结果,以同时出现易于导致伪差的视频情形和易于导致伪差的音频情形的时间段为伪差高度可疑区间,以只出现易于导致伪差的视频情形的时间段为伪差中度可疑区间,以只出现易于导致伪差的音频情形的时间段为伪差低度可疑区间。
所述带有伪差可疑区间标识的脑电图检测显示数据可以是以下列任一一种显示方式显示的数据,所述伪差可疑区间与所述脑电图检测数据的关联显示方式可以是下列任一一种显示方式:
(1)以不同的颜色或相应的提示标识区分正常区间和伪差可疑区间;
(2)以不同的颜色或相应的提示标识区分正常区间以及各种不同程度的伪差可疑区间;
(3)不显示伪差可疑区间的脑电图检测数据,对不显示脑电图检测数据的伪差可疑区间,在显示中设有或不设有不显示标识,
在进行伪差可疑区间标识过程中,对正常区间不做标识或者做正常区间标识。
图2所示为本发明的进行伪差判断的一个实施例的流程图,以视频判断为主、音频判断为辅进行,其中视频判断采用差分图像法对图像进行分析处理。整个伪差判断包含三个线程,线程1为视频处理线程,线程2为帧图像接收线程,线程3为音频处理线程,主要可以包括如下步骤:
(1)判断参考图像或背景图像是否为最后一个图像帧;
(2)如判断结果为否,则将线程1挂起,等待线程2即帧图像接收线程将其唤醒(当线程2有数据到来时触发唤醒),然后返回步骤(1),如判断结果为是,则按照所述的差分图像法进行逐帧差分比对,以判断差分是否超过门限(阙值);
(3)如果未超过门限(阙值),则判定脑电图和/或脑电趋势图正常,即未发现易于导致伪差的视频情形的时间段,因此得出结论:该时间段为可信区间,然后返回步骤(1),如果超过门限(阙值),则判定该时间段为存在易于导致伪差的视频情形的时间段,因此得出结论:该时间段为视频伪差可疑区间,然后根据线程3生成的音频可疑时刻向量,根据该时刻的音频是否存在易于导致伪差的音频情形,对该时刻伪差是否可疑进行进一步的辅助判断,即判断该视频伪差可疑区间是否同时为音频伪差可疑区间;
(4)如果该视频伪差可疑区间不是音频伪差可疑区间,则判断该时间段为伪差可疑区间,即视频伪差可疑区间,然后返回步骤(1);如果该视频伪差可疑区间同时也是音频伪差可疑区间,则判断该时间段为伪差高度可疑区间,然后返回步骤(1)。
如图3所示,本发明还提供了采用上述任一种所述脑电图伪差自动识别方法的伪差自动识别脑电图仪,包括:
电极,是该视频脑电图仪的信号输入装置,用于采集脑电信号;
放大电路,用于对接入的脑电信号进行放大,包括前置电压放大电路和后级功率放大电路;
摄像装置,用于获得被检测者和/或检测环境的视频信号;
电脑主机或操作服务器,用于对放大后的脑电信号进行处理,生成所需的脑电检测数据,对所述视频信号进行分析,将出现易于导致伪差的视频情形的时间段判断为伪差可疑区间,并生成带有伪差可疑区间标识的脑电图检测显示数据或者生成所述伪差可疑区间与所述脑电图检测数据的关联显示方式。所述摄像装置的输出端连接所述电脑主机或操作服务器的视频信号输入端。
所述伪差自动识别的视频脑电图仪还可以包括:
音频采集装置,用于获得被检测者和/或检测环境的音频信号;
显示器,用于显示所述视频信号、音频信号、脑电图检测数据和生成带有伪差可疑区间标识的脑电图检测显示数据中的任意一种、多种或全部;
电脑主机或操作服务器的存储单元和/或独立存储装置,用于存储所述视频信号、音频信号、视频信号分析结果、音频信号分析结果、脑电图检测数据和生成带有伪差可疑区间标识的脑电图检测显示数据中的任意一种、多种或全部。
所述电脑主机或操作服务器还用于对所述的音频信号进行分析,将出现易于导致伪差的音频情形的时间段判断为辅助伪差可疑区间,并以辅助伪差可疑区间修正和/或细化所述的伪差可疑区间。
所述电脑主机可以包括基于笔记本电脑或台式机电脑的X86架构的电脑主机。所述电脑主机也可以包括基于嵌入式ARM架构的便携式主机。
Claims (9)
1.一种脑电图伪差自动识别方法,其特征在于包括下列步骤:
通过电极采集脑电信号,对所述脑电信号进行分析处理,生成所需的脑电图检测数据;
通过摄像装置采集涉及被检测者和/或检测环境的视频信号,对所述的视频信号进行分析,将被检测者和/或检测环境出现易于导致伪差的视频情形的时间段判断为伪差可疑区间;
进行伪差可疑区间标识,生成带有伪差可疑区间标识的脑电图检测显示数据或者生成所述伪差可疑区间与所述脑电图检测数据的关联显示方式,进行伪差可疑区间标识的具体方法为对于被检测者和/或检测环境出现易于导致伪差的视频情形的时间段,按照所述视频信号采集的时间戳,生成伪差可疑区间的时间向量,并将该时间向量叠加在所述脑电图检测数据上生成带有伪差可疑区间标识的脑电图检测显示数据或者建立所述伪差可疑区间与所述脑电图检测数据的之间的关联,并生成关联显示方式。
2.如权利要求1所述的脑电图伪差自动识别方法,其特征在于对所述视频信号进行分析的方式为采用差分图像法识别被检测者和/或检测环境的物体运动,在物体运动超过设定的阈值时,判断为出现易于导致伪差的视频情形。
3.如权利要求2所述的脑电图伪差自动识别方法,其特征在于对所述视频信号进行分析的步骤包括:
(1)选择或产生一个参考或者背景图像;
(2)选择应用一个合适的阈值;
(3)对视频信号做帧间差运算操作,计算差分是否超过阈值,
参考图像为选定的屏幕相对静止时期的背景,参考图像的选择中加入更新策略,以保证参考图像保持不断更新。
4.如权利要求1、2或3所述的脑电图伪差自动识别方法,其特征在于还采用音频采集装置采集涉及被检测者和/或检测环境的音频信号,对所述的音频信号进行分析,将被检测者和/或检测环境出现易于导致伪差的音频情形的时间段判断为辅助伪差可疑区间,并以辅助伪差可疑区间修正和/或细化所述伪差可疑区间。
5.如权利要求4所述的脑电图伪差自动识别方法,其特征在于对所述音频信号进行分析的方式为设定与被检测者相关的背景声响阈值和/或特定声响的强度阈值,当背景声响和/或特定声响的强度超过设定的相应强度阈值时,判断为出现易于导致伪差的音频情形。
6.如权利要求5所述的脑电图伪差自动识别方法,其特征在于以辅助伪差可疑区间修正和/或细化所述伪差可疑区间的方式为下列任意一种方式:
(1)在通过视频信号分析判断出出现易于导致伪差的视频情形时,引入相应时间段的音频信号分析结果,如果音频信号分析结果为出现易于导致伪差的音频情形,则将该时间段判断为伪差高度可疑区间,如果音频信号分析结果为未出现易于导致伪差的音频情形,则将该时间段判断为伪差普通可疑区间;
(2)依据视频信号分析和音频信号分析结果,以同时出现易于导致伪差的视频情形和易于导致伪差的音频情形的时间段为伪差高度可疑区间,以只出现易于导致伪差的视频情形或易于导致伪差的音频情形的时间段为伪差普通可疑区间;
(3)依据视频信号分析和音频信号分析结果,以同时出现易于导致伪差的视频情形和易于导致伪差的音频情形的时间段为伪差高度可疑区间,以只出现易于导致伪差的视频情形的时间段为伪差中度可疑区间,以只出现易于导致伪差的音频情形的时间段为伪差低度可疑区间。
7.如权利要求6所述的脑电图伪差自动识别方法,其特征在于所述带有伪差可疑区间标识的脑电图检测显示数据为以下列任意一种显示方式显示的数据,所述伪差可疑区间与所述脑电图检测数据的关联显示方式为下列任意一种显示方式:
(1)以不同的颜色或相应的提示标识区分正常区间和伪差可疑区间;
(2)以不同的颜色或相应的提示标识区分正常区间以及各种不同程度的伪差可疑区间;
(3)不显示伪差可疑区间的脑电图检测数据,对不显示脑电图检测数据的伪差可疑区间,在显示中设有或不设有不显示标识,
在进行伪差可疑区间标识过程中,对正常区间不做标识或者做正常区间标识。
8.一种采用权利要求1所述的脑电图伪差自动识别方法的伪差自动识别脑电图仪,包括:
电极,用于采集脑电信号;
放大电路,用于对采集到的脑电信号进行放大;
摄像装置,用于获得被检测者和/或检测环境的视频信号;
电脑主机或操作服务器,用于对放大后的脑电信号进行处理,生成所需的脑电检测数据,对所述视频信号进行分析,将出现易于导致伪差的视频情形的时间段判断为伪差可疑区间,并生成带有伪差可疑区间标识的脑电图检测显示数据或者生成所述伪差可疑区间与所述脑电图检测数据的关联显示方式。
9.如权利要求8所述的伪差自动识别脑电图仪,其特征在于还包括:
音频采集装置,用于获得被检测者和/或检测环境的音频信号;
显示器,用于显示所述视频信号、音频信号、脑电图检测数据和生成带有伪差可疑区间标识的脑电图检测显示数据中的任意一种或多种;
电脑主机或操作服务器的存储单元和/或独立存储装置,用于存储所述视频信号、音频信号、视频信号分析结果、音频信号分析结果、脑电图检测数据和生成带有伪差可疑区间标识的脑电图检测显示数据中的任意一种或多种,所述电脑主机或操作服务器还用于对所述的音频信号进行分析,将出现易于导致伪差的音频情形的时间段判断为辅助伪差可疑区间,并以辅助伪差可疑区间修正和/或细化所述的伪差可疑区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110174954 CN102389306B (zh) | 2011-06-27 | 2011-06-27 | 脑电图伪差自动识别方法和采用该方法的自动识别脑电图仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110174954 CN102389306B (zh) | 2011-06-27 | 2011-06-27 | 脑电图伪差自动识别方法和采用该方法的自动识别脑电图仪 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102389306A CN102389306A (zh) | 2012-03-28 |
CN102389306B true CN102389306B (zh) | 2013-06-12 |
Family
ID=45856794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110174954 Active CN102389306B (zh) | 2011-06-27 | 2011-06-27 | 脑电图伪差自动识别方法和采用该方法的自动识别脑电图仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102389306B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104644160A (zh) * | 2015-03-18 | 2015-05-27 | 电子科技大学 | 心电图伪差信号识别方法及装置 |
CN106562781A (zh) * | 2016-05-20 | 2017-04-19 | 杨燕 | 一种新型智能化神经内科治疗仪 |
CN107846533A (zh) * | 2016-09-19 | 2018-03-27 | 加尔发半导体股份有限公司 | 智能传感器设备 |
CN106874672B (zh) * | 2017-02-17 | 2019-10-01 | 北京太阳电子科技有限公司 | 一种显示脑电图数据的方法及移动终端 |
CN107550491B (zh) * | 2017-09-11 | 2019-06-14 | 东北大学 | 一种多类别运动想象分类识别方法 |
CN108647645B (zh) * | 2018-05-11 | 2020-10-09 | 广州飞宇智能科技有限公司 | 一种基于视频分析的多模态癫痫诊断系统和方法 |
CN111508578A (zh) * | 2020-05-19 | 2020-08-07 | 中国电子科技集团公司第三十八研究所 | 一种基于人工智能的脑电波检查装置及检查方法 |
CN116489236B (zh) * | 2023-06-25 | 2023-09-12 | 中国科学院自动化研究所 | 脑电信号实时无损压缩方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1833616A (zh) * | 2005-12-15 | 2006-09-20 | 西安交通大学 | 一种多导脑生物信息反馈仪 |
CN101528121A (zh) * | 2006-06-06 | 2009-09-09 | 皮质动力学私人有限公司 | 脑功能监视及显示系统 |
CN101690659A (zh) * | 2009-09-29 | 2010-04-07 | 华东理工大学 | 脑电波分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090070798A1 (en) * | 2007-03-02 | 2009-03-12 | Lee Hans C | System and Method for Detecting Viewer Attention to Media Delivery Devices |
-
2011
- 2011-06-27 CN CN 201110174954 patent/CN102389306B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1833616A (zh) * | 2005-12-15 | 2006-09-20 | 西安交通大学 | 一种多导脑生物信息反馈仪 |
CN101528121A (zh) * | 2006-06-06 | 2009-09-09 | 皮质动力学私人有限公司 | 脑功能监视及显示系统 |
CN101690659A (zh) * | 2009-09-29 | 2010-04-07 | 华东理工大学 | 脑电波分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102389306A (zh) | 2012-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102389306B (zh) | 脑电图伪差自动识别方法和采用该方法的自动识别脑电图仪 | |
CN109730701A (zh) | 一种情绪数据的获取方法及装置 | |
EP3531386A1 (en) | Fire monitoring system | |
JP6930421B2 (ja) | 情報処理システム、情報処理方法、記録媒体、および、プログラム | |
RU2011138250A (ru) | Система и способ автоматического захвата и архивирования клинически значимых показателей жизнедеятельности | |
US11903724B2 (en) | Method and a system for detecting a respiratory event of a subject and a method for forming a model for detecting a respiratory event | |
CN109997195A (zh) | 信息显示系统、信息显示程序和信息显示方法 | |
EP2472862A1 (en) | Displaying method and displaying device | |
CN105105738A (zh) | 信息处理方法、装置及电子设备 | |
CN103190923A (zh) | 睡意侦测方法及其装置 | |
CN111919242A (zh) | 用于处理多个信号的系统和方法 | |
KR20140040474A (ko) | 비디오 요약 장치, 방법 및 시스템 | |
CN201200409Y (zh) | 带有视觉刺激检测功能的测谎系统 | |
CN101615296B (zh) | 追踪点检测设备和方法,程序及记录介质 | |
US9717465B2 (en) | Vision examination system with improved visually evoked potential waveforms | |
US11478198B2 (en) | Physiological parameter signal fusion processing method, apparatus, and system | |
JP2020146206A (ja) | 情報処理装置、情報処理方法、プログラムおよび生体信号計測システム | |
CN115406626A (zh) | 基于ar眼镜的故障检测方法、装置、ar眼镜和介质 | |
CN109324911A (zh) | 用户行为自动检测智能屏幕抓屏系统 | |
JP2023107399A (ja) | 内視鏡システム及びその作動方法 | |
CN114464299A (zh) | 一种基于医疗云平台的影像大数据分析系统 | |
JP2022158518A (ja) | 学習データ選択プログラム、学習データ選択方法および情報処理装置 | |
CN109077706A (zh) | 在电子显示屏上显示患者体征信号的处理方法及装置 | |
US11943420B2 (en) | Method and system for alignment of data | |
CN116740598B (zh) | 基于视频ai识别的老人能力识别方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210425 Address after: 221000 north of Zhongwei 3rd road and east of Zhongjing 2nd Road, Xuzhou Industrial Park, Jiawang District, Xuzhou City, Jiangsu Province Patentee after: Jiangsu Huashen Zhixing Intelligent Technology Co.,Ltd. Address before: 100300, No. 5, No. 1, Airport Road, Shunyi District Beijing international high tech Industrial Base Patentee before: BEIJING GAOMAO ELECTRONIC INFORMATION TECHNOLOGY Co.,Ltd. |